PENGAMBILAN KEPUTUSAN DAN ANALISIS RISIKO

Tujuan Pembelajaran :
1. Mempelajari proses pengambilan keputusan sebagai rangkaian yang teratur.
2. Memahami berbagai lingkungan dimana keputusan harus dibuat.
3. Memahami dan menguasai berbagai metode untuk pengambilan keputusan dalam lingkungan
ketidakpastian dan berisiko.
4. Memperkenalkan konsep nilai harapan (expected value) sebagai kriteria keputusan dalam kondisi
penuh risiko.

I. PENDAHULUAN
Tugas pokok seorang pimpinan atau manajer adalah mengambil keputusan dalam berbagai
lingkungan atau situasi. Keputusan dapat diartikan sebagai pilihan terbaik dari berbagai alternatif
keputusan, sedangkan pengambilan keputusan adalah proses bagaimana manajer mengambil keputusan
tersebut dengan melakukan pertimbangan-pertimbangan atau penilaian-penilaian untuk menghasilkan
keputusan yang terbaik. Proses pengambilan keputusan ini dapat menggunakan metode, teknik, teori
atau ilmu sebagai alat bantu.
Pada umumnya, pengambilan keputusan melibatkan tiga langkah (Levin et al, 2000), yaitu :
1. Mendaftar atau menginventarisir semua alternatif yang tersedia yang harus dipertimbangkan
dalam keputusan. Alternatif keputusan dapat disimbolkan dengan A1, A2, A3, ... An.
2. Mendaftar semua peristiwa mendatang yang mungkin terjadi dan diluar kontrol pengambil
keputusan atau disebut states of nature. States of nature yaitu peristiwa atau kejadian yang
tidak dapat dihindari atau dikendalikan oleh pengambil keputusan. States of nature dapat
disimbolkan dengan S1, S2, S3, ... Sn.
3. Pengambil keputusan membuat tabel hasil (payoff table) yaitu suatu tabel yang menunjukkan
hasil dari setiap kemungkinan kombinasi alternatif keputusan dan states of nature. Hasil (payoff,
value) dapat dinyatakan dalam bentuk laba atau setiap ukuran lain dari manfaat berdasarkan
situasinya, yang disimbolkan dengan V1n , V2n , V3n .

Tabel hasil dapat dibuat sebagai berikut :

Alternatif States of nature
Keputusan S1 S2 S3 Sn
A1 V11 V12 V13 V1n
A2 V21 V22 V23 V2n
A3 V31 V32 V33 V3n
. . . . .
Am Vm1 Vm2 Vm3 Vmn

Ada tiga lingkungan dimana keputusan dapat diambil. Setiap lingkungan mempunyai karakteristik yang
berbeda mengenai informasi, data, states of nature, dan kemungkinan-kemungkinan lainnya. Ketiga
lingkungan tersebut adalah :

1. Pengambilan keputusan pada kondisi kepastian (certainty). Pada kondisi kepastian, semua
informasi untuk pengambilan keputusan tersedia dan valid. Biasanya kondisi ini berhubungan
dengan pengambilan keputusan yang sangat rutin, sama dari waktu ke waktu.
2. Pengambilan keputusan pada kondisi ketidakpastian (uncertainty), yaitu suatu keputusan
dengan kondisi informasi tidak sempurna dan probabilitas suatu kejadian tidak ada. Beberapa
karakteristik lingkungan ini adalah :

1
 a. Informasi tentang alternatif dan peristiwa di masa depan tidak lengkap
b. Manajer mungkin harus menggunakan pendekatan alternatif yang kreatif.
3. Pengambilan keputusan pada kondisi berisiko (risk), yaitu pengambilan keputusan dengan
adanya probabilitas atas suatu kejadian. Lingkungan pengambilan keputusan pada kondisi ini
ditandai dengan :
a. Keputusan memiliki tujuan yang jelas
b. Informasi tersedia dengan baik
c. Hasil di masa depan yang dihubungkan dengan setiap alternatif ditentukan oleh peluang
masing – masing.

II. KRITERIA PENGAMBILAN KEPUTUSAN KONDISI KETIDAKPASTIAN

(UNCERTAINTY)
Kondisi ketidakpastian dicirikan dengan informasi yang tidak sempurna dan tidak ada probabilitas suatu
peristiwa. Kondisi tidak pasti adalah suatu keadaan yang memenuhi beberapa syarat yaitu: (1) Ada beberapa
alternatif tindakan yang fisibel (dapat dilakukan); (2) Nilai probabilitas masing-masing kejadian tidak diketahui ;
(3) Memiliki nilai “Pay off” sebagai hasil kombinasi suatu tindakan dan kejadian tidak pasti.
Pengambilan keputusan dalam kondisi tidak pasti adalah pengambilan keputusan dimana terjadi hal-hal
sebagai berikut :
1. Tidak diketahui sama sekali tentang kondisi yang mungkin timbul serta kemungkinan-kemungkinan
munculnya kondisi tersebut.
2. Pengambil Keputusan tidak dapat menentukan probabilitas terjadinya berbagai kondisi atau hasil yang
keluar.
3. Yang diketahui hanyalah kemungkinan hasil dari suatu tindakan, tetapi tidak dapat diprediksi probabilitas
setiap hasil
4. Pengambil keputusan tidak memiliki informasi yang lengkap mengenai peluang terjadinya kondisi
tersebut.
Ada beberapa kriteria yang dapat digunakan sebagai metode untuk pengambila keputusan pada kondisi
ketidakpastian, yaitu : (a) Kriteria Maximax, (b) Kriteria Maximin, (c) Kriteria Minimax Regret, (d) Kriteria
Realisme, (e) Laplace.

Contoh soal: Seorang pengusaha industri barang X memiliki dana tambahan sebesar Rp 1 milyar. Dana tersebut
akan digunakan untuk meningkatkan produksi dan penjualan barangnya. Pengusaha tersebut berencana
menanamkan/menginvestasikannya dana tersebut pada salah satu dari tiga investasi alternatif, yaitu: (1)
memperluas pabrik yang sudah ada, (2) membangun pabrik baru, (3) men-subkontrakkan produksi. States of
nature yang dihadapi adalah kondisi permintaan atas barang X. Matriks payoff disajikan pada table berikut:
Contoh Soal :

Alternatif Permintaan
Keputusan Tinggi Sedang Rendah Gagal
Perluas Pabrik 500 jt 250 jt -250 jt -450 jt
Bangun Pabrik 700 jt 300 jt - 400 jt - 800 jt
Subkontrak 300 jt 150 jt - 100 jt - 150 jt

Tentukan Keputusan Terbaik berdasarkan Kriteria MAXIMAX, MAXIMIN,

REGRET MINIMAX, REALISME, DAN LAPLACE

A. KRITERIA MAXIMAX
Dalam kriteria maximax dijumpai beberapa karakteristik, yaitu :
1. Pengambil keputusan dianggap sangat optimis, yaitu dipilihnya hasil-hasil yang terbesar dari
alternatif-alternatif yang memberikan hasil maksimal.
2. Memilih alternatif yang merupakan nilai maksimum dari pay off yang maksimum.
3. Ada kelemahan yaitu mengabaikan banyak informasi yang tersedia.

2
 • Penyelesaian dengan Kriteria MAXIMAX
– Tentukan Pay Off Maksimum dari setiap
Alternatif Keputusan

Alternatif Pay Off

Keputusan Maksimal
Perluas Pabrik 500 jt
Bangun Pabrik 700 jt MAXIMAX
Subkontrak 300 jt

- Tentukan Nilai Maximum dari Payoff Maksimal (MAXIMAL)

- Keputusan adalah Membangun Pabrik Baru

B. KRITERIA MAXIMIN

Kriteria Maximin (disebut juga Kriteria Wald, dicipta oleh Abraham Wald). Kriterian ini mempunyai
karakteristik sebagai berikut :
1. Kriteria untuk memilih keputusan yang mencerminkan nilai maksimum dari hasil yang
minimum.
2. Asumsi: pengambil keputusan adalah pesimistik /konservatif/risk avoider tentang masa depan.
3. Kelemahan: tidak memanfaatkan seluruh informasi yang ada yang merupakan ciri pengambil
keputusan modern.

• Penyelesaian dengan Kriteria MAXIMIN

– Tentukan Pay Off Minimum dari setiap
Alternatif Keputusan

Alternatif Pay Off

Keputusan Minimal
Perluas Pabrik -450 jt
Bangun Pabrik - 800 jt
Subkontrak - 150 jt MAXIMIN

- Tentukan Nilai Maximum dari Payoff Minimal (MAXIMIN)

- Keputusan adalah SUBKONTRAK

C. KRITERIA MINIMAX REGRET

Kriteria Minimax Regret atau disebut juga Kriteria Penyesalan didasarkan pada konsep
Opportunity Loss atau Regret (sesalan), dengan karakteristik sebagai berikut :
1. Pada kriteria ini, pengambil keputusan akan mengalami suatu kerugian apabila peristiwa terjadi
menyebabkan alternatif yang dipilih kurang dari payoff maksimal.
2. Jumlah regret atau opportunity loss merupakan selisih antara nilai terbesar (payoff maksimal)
yang bersangkutan dikurangi nilai baris yang bersekutu dalam kolom bersangkutan.
3. Kriteria Regret menghendaki dipilihnya nilai minimal dari regret maksimal, makanya disebut
Kriteria Minimax

Untuk menyelesaikan kasus dengan menggunakan Kriteria Regret ini, dapat digunakan pada
pedoman sebagai berikut :

3
 1. Tentukan nilai regret (opportunity loss) setiap pay off, dengan jalan mengurangkan nilai
pay off maksimal baris dengan payoff tiap baris.
2. Menentukan nilai regret maksimal tiap baris.
3. Menentukan nilai minimax, sebagai alternatif pengambilan keputusan.

• Penyelesaian dengan Kriteria MINIMAX REGRET

– Buat tabel Regret (Opportunity Loss) dengan jalan
mengurangkan nilai pay off maksimal baris dengan
payoff tiap baris
Tabel Regret (Opportunity Loss)

Alternatif Permintaan
Keputusan
Tinggi Sedang Rendah Gagal
Perluas Pabrik 200 50 150 300
Bangun Pabrik 0 0 300 650
Subkontrak 400 150 0 0

– Tentukan Pay Off Maximum dari Tabel Regret

(Opportunity Loss) untuk setiap Alternatif
Keputusan
Alternatif Pay Off
Keputusan Maximal
Regret
Perluas Pabrik
300 MINIMAX
Bangun Pabrik
650
Subkontrak
400

- Tentukan Nilai Minimum dari Payoff Maximal (MINIMAX)

- Keputusan adalah PERLUASAN PABRIK

D. KRITERIA REALISME
Kriteria Realisme disebut juga dengan Kriteria Hurwicz, dicipta oleh Leonid Hurwich (USA, 1917 –
2008). Kriteria ini mempunyai karakteristik berikut :
1. Kompromi antara Kriteria MAXIMAX dan Kriteria MAXIMIN (Kriteria Optimis dan Pesimis)
2. Kriteria dimana pengambil keputusan tidak sepenuhnya optimis dan pesimis sempurna, sehingga
hasil keputusan dikalikan dengan koefisien optimistik untuk mengukur optimisme pengambil
keputusan, dimana koefisien optimisme () = 0    1
Dengan  = 1, berarti optimis secara total (MAXIMAX)
 = 0, berarti sangat pesimis secara total (MAXIMIN)
3. Kelemahan: sulit menentukan nilai  yang tepat dan mengabaikan beberapa informasi yang
tersedia.

UKURAN REALISME (UR) = (Hasil Maksimal x ) + (Hasil Minimal x (1-))

Keputusan ditentukan berdasarkan UR maksimum.

4
 • Penyelesaian dengan Kriteria Realisme
– Ditentukan besaran  = 0,7
Tabel PayOff Maksimum Tabel PayOff Minimum

Alternatif Pay Off Alternatif Pay Off

Keputusan Maksimal Keputusan Minimal
Perluas Pabrik 500 jt Perluas Pabrik -450 jt
Bangun Pabrik 700 jt Bangun Pabrik - 800 jt
Subkontrak 300 jt Subkontrak - 150 jt

Penetuan Ukuran Realisme(UR):

UR Perluasan Pabrik = (500 x 0,7) + (- 450 x 0,3) = 215 jt
UR Bangun Pabrik = (700 x 0,7) + (- 800 x 0,3) = 250 jt
UR Subkontra = (300 x 0,7) + (- 150 x 0,3) = 165 jt
Keputusan : Bangun Pabrik Baru

E. KRITERIA LAPLACE (Equal Likelihood)

Kriteria ini dicipta oleh Pierre Simon Laplace (French, 1812). Kriteria Equal Likelihood atau
disebut juga dengan Kriteria Bobot Sama mempunyai karakteristik sebagai berikut :
1. Asumsi: bahwa probabilitas terjadinya berbagai kondisi adalah sama besarnya.
2. Hasil yang dipilih adalah hasil yang memiliki nilai tertimbang tertinggi.
Contoh penyelesaian dengan Kriteria LaPlace :
1. Tentukan besaran probabiltas dengan sama besar, yaitu ditentukan oleh banyaknya states of
nature.
2. Jika states of nature (n = 4), maka probabilitas adalah ¼ atau 0,25, atau jika states of nature (n =
3) maka probabilitasnya 1/3 atau 0,333.
3. Tentukan Nilai Tertimbang dari setiap alternatif, dengan mengalikan probabilitas dengan nilai
payoffnya.
4. Ukuran Tertimbangnya :
Perluasan Pabrik = (1/4x500)+(1/4x250)+(1/4x-250)+(1/4x-450) = 12,5 jt
Bangun Pabrik = (1/4x700)+(1/4x300)+(1/4x-400)+(1/4x-800) = 50 jt
Subkontrak = (1/4x300)+(1/4x150)+(1/4x-100)+(1/4x-150) = 50 jt.
5. Keputusan didasarkan pada nilai tertimbang maksimum, dengan demikian keputusan adalah
Bangun Pabrik atau Subkontrak.
RANGKUMAN KEPUTUSAN :
Berdasarkan Kriteria keputusan dengan Kondisi Tidak Pasti maka keputusan dapat dirangkum sebagai
berikut :

– Kriteria MAXIMAX : Bangun Pabrik

– Kriteria MAXIMIN : Subkontrak
– Kriteria MINIMAX REGRET : Perluas Pabrik
– Kriteria REALISME : Bangun Pabrik
– Kriteria LAPLACE : Bangun Pabrik/Subkontrak

5
III. PENGAMBILAN KEPUTUSAN PADA KONDISI BERISIKO

Risiko merupakan sesuatu yang akan diterima atau ditanggung oleh seseorang sebagai
konsekuensi atau akibat dari suatu tindakan. Risiko adalah kesempatan timbulnya kerugian. Risiko
adalah suatu hasil yang berbeda dari hasil yang diharapkan. Dengan adanya risiko, maka akibat yang
mungkin timbul adalah :
– kerugian, dengan adanya risiko, maka hasil positip yang akan diperoleh (keuntungan)
akan berkurang dari semestinya.
– ketidakpastian, dengan adanya risiko, maka tidak mungkin lagi dapat dipastikan hasil
positip yang mungkin akan diterima, karena risiko tidak dapat dihitung dengan pasti.
Sumber-sumber risiko adalah (1) masyarakat (risiko sosial) berupa tindakan orang-orang yang
menciptakan kejadian yang menyebabkan terjadinya penyimpangan yang merugikan, (2) fisik (risiko
fisik), berupa fenomena alam dan kesalahan manusia, (3) ekonomi (risiko ekonomi), berupa keadaan
ekonomi yang mungkin mengalami perubahan.
Pengambilan keputusan pada kondisi berisiko (misalnya, untuk penentuan persediaan)
didasarkan variabel random diskrit. Adapun kriteria yang dapat digunakan adalah Kriteria Nilai
Harapan (Expected Value).

A. KRITERIA NILAI HARAPAN (EXPECTED VALUE)

Dalam kriteria nilai harapan (expected value), digunakan beberapa tahapan yaitu :
a. Menghitung laba bersyarat
b. Menentukan laba harapan
c. Laba harapan dengan informasi sempurna
d. Meminimumkan kemungkinan rugi (rugi harapan)
e. Analisa Marginal
Contoh aplikasi :
• Seorang pedagang buah-buahan yang berjualan di lingkungan pasar tertentu ingin menentukan
jumlah buah-buahan yang akan dijual besok atau hari-hari berikutnya. Jumlah penjualan buah
yang akan ditentukan pada besok hari tersebut merupakan variabel random diskrit. Pedagang
tersebut membeli produk dengan harga Rp. 3.000 per ikat dan menjualnya dengan harga Rp.
8.000 per ikat. Perbedaan yang cukup besar antara harga jual dengan harga beli ini
mencerminkan barang lebih mudah rusak dan busuk dan berisiko tinggi. Risiko kemungkinan
yang timbul yaitu risiko persediaan dan barang tersebut tidak mempunyai nilai lagi satu hari
sesudah mulai ditawarkan untuk dijual. Berdasarkan pengamatan pengalaman penjualan selama
90 hari terakhir adalah sebagai berikut :

--------------------------------------------------------
Penjualan Harian (Unit) Bilangan Hari Prob
--------------------------------------------------------
10 18 18/90 = 0,20...dst
11 36
12 27
13 9
-------------------------------------------------------
Yang menjadi masalah bagi penjual adalah karena buah yang mudah busuk/rusak, maka pedagang
ingin mengetahui berapa ikat produk yang akan dia beli untuk dijual besok atau hari-hari berikutnya ?

6
Tahapan-tahapannya :
A. Menghitung Laba Bersyarat
• Menunjukkan hasil rupiah dari semua kombinasi kemungkinan pembelian dan penjualan
atau menunjukkan laba yang diakibatkan kombinasi pembelian dan penjualan
(Permintaan dan Penwaran)
• Harga pembelian buah per ikat = Rp. 3.000
• Harga penjualan buah per ikat = Rp. 8.000
• Maka keuntungan (laba) per ikat = Rp. 5.000
• Apabila buah tersebut tidak terjual pada esok hari, maka pedagang akan menanggung
rugi sebesar harga pembelian
• Menentukan probabilitas didasarkan variabel random diskrit
---------------------------------------------------------------
Penjualan Harian (Unit) Bilangan Hari Prob.
--------------------------------------------------------------
10 18 18/90 = 0,2
11 36 36/90= 0,4
12 27 27/90= 0,3
13 9 9/90= 0.1
------------------------------------------------------------
Jumlah 90 =1
-----------------------------------------------------------
Tabel laba bersyarat adalah :

Penjualan (Permintaan) Probabilitas Persediaan (pembelian) yang mungkin

yang mungkin (ikat) dilakukan
10 ikat 11 ikat 12 ikat 13 ikat
10 0,2 50.000 47.000 44.000 41.000
11 0,4 50.000 55.000 52.000 49.000
12 0,3 50.000 55.000 60.000 57.000
13 0,1 50.000 55.000 60.000 65.000

B. Menentukan Laba Harapan (Expexted Propit = EP)

Laba Harapan (EP) ditentukan dengan mangalikan hasil tabel laba bersyarat masing-masing
tindakan dengan probabilitas.
Laba Harapan dapat ditentukan sebagai berikut :
EP10 = (0,2x50.000)+(0,4x50.000)+(0,3x50.000)+(0,1x50.000) = 50.000
EP11 = (0,2x47.000)+(0,4x55.000)+(0,3x55.000)+(0,1x55.000) = 53.400
EP12 = (0,2x44.000)+(0,4x52.000)+(0,3x60.000)+(0,1x60.000) = 53.600
EP13 = (0,2x41.000)+(0,4x49.000)+(0,3x57.000)+(0,1x65.000) = 51.400
Keputusan didasarkan pada Nilai Harapan Maksimum (EP maksimum) : dengan demikian
keputusan adalah “Sediakan sebanyak 12 Ikat”

C. Laba Harapan dengan Informasi Sempurna

(Expected Profit with Perfect Information = EPPI)
EPPI mencoba untuk menghilangkan unsur ketikpastian yang didasarkan adanya informasi
sempurna (informasi tambahan) atau informasi yang tepat dan lengkap tentang kondisi di masa
mendatang. Diasumsikan bahwa pedagang dapat memastikan tingkat penjualannya yang maksimum,
sehingga tabel laba bersyarat sebagai berikut :

7
 Penjualan Prob. Persediaan (pembelian) yang mungkin
(Permintaan) dilakukan
yang mungkin (ikat) 10 ikat 11 ikat 12 ikat 13 ikat
10 0,2 50.000 - - -
11 0,4 - 55.000 - -
12 0,3 - - 60.000 -
13 0,1 - - - 65.000

Dengan demikian Laba Harapan dengan Informasi Sempurna (Expected Profit with Perfect
Information/EPPI) :
EPPI = 0,2(50.000) + 0,4 (55.000) + 0,3 (60.000) + 0,1(65.000) = 56.500
Pedagang tersebut memperoleh laba maksimum rata-rata berdasarkan
Informasi Sempurna sebesar Rp. 56.500 per hari.

D. Meminimumkan Kemungkinan Rugi (Rugi Harapan = Expected Loss)

Untuk meminimukan kerugian dapat dihitung Nilai Rugi Harapan (Expected Loss =EL) dengan
tahapan sebagai berikut :
• Buat Tabel Rugi Harapan, didasarkan pada kerugian akibat kelebihan persediaan dan
kerugian akibat kekurangan persediaan.
• Kerugian karena kelebihan persediaan adalah sebesar harga pembelian dan kerugian
karena kekurangan persediaan yaitu kehilangan laba
• Tentukan Nilai Rugi Harapan (EL) dari setiap persediaan
• Untuk menentukan keputusan didasarkan Nilai Rugi Harapan Minimum
Tabel Rugi (Expected Loss Table) adalah :

Penjualan (Permintaan) Probabilitas Persediaan (pembelian) yang mungkin

yang mungkin (ikat) dilakukan
10 ikat 11 ikat 12 ikat 13 ikat
10 0,2 0 3.000 6.000 9.000
11 0,4 5.000 0 3.000 6.000
12 0,3 10.000 5.000 0 3.000
13 0,1 15.000 10.000 5.000 0

Menentukan Rugi Harapan (EL) :

EL10 = (0,2x0)+(0,4x5.000)+(0,3x10.000)+(0,1x15.000) = 6.500
EL11 = (0,2x3.000)+(0,4x0)+(0,3x5.000)+(0,1x10.000) = 3.100
EL12 = (0,2x6.000)+(0,4x3.000)+(0,3x0)+(0,1x5.000) = 2.900
EL13 = (0,2x9.000)+(0,4x6.000)+(0,3x3.000)+(0,1x0) = 5.100

Keputusan didasarkan pada Rugi Harapan Minimum :

Dengan demikian keputusan “Sediakan 12 Ikat” dan memiliki resiko kerugian yang minimum

8
E. Analisis Marginal

Bahwa persediaan akan terus ditambah selama keuntungan marginal (MP) yang diharapkan lebih besar
atau sama dengan kerugian marginal (ML). Tujuan analisis marginal untuk menghindari perhitungan
yang berlebihan karena banyaknya kombinasi kemungkinan laba yang dihasilkan dari kombinasi
penjualan dengan pembelian.

SYARAT : MP ≥ ML
 MP = marginal profit (batas laba)
yaitu jika satuan unit tambahan terjual maka akan mengalami kenaikan terhadap laba bersayarat
 ML = marginal loss (batas rugi)
yaitu jika satuan unit tambahan tidak terjual maka akan mengalami penurunan laba

Dimisalkan :
p = probabilitas terjualnya 1 unit tambahan barang (MP)
1-p = probabilitas tidak terjualnya 1 unit tambahan barang (ML)
Sehingga formulasi Analisis Marginal sbb:
pMP = (1-p) ML
pMP = ML – pML
pMP+pML = ML
p(MP+ML)= ML

ML
p = ------------ probabilitas kumulatif minimum yg dapat memberikan laba
(MP + ML)

Dari Soal di atas diketahui :

• Harga pembelian buah per ikat = Rp. 3.000
• Harga penjualan buah per ikat = Rp. 8.000
• Maka keuntungan (laba) per ikat = Rp. 5.000 (MP)
• Rugi kalau tidak terjual per ikat sebesar harga pembelian Rp. 3.000,- (ML)
ML 3000 3000
p = ------------ = ---------------- = ------- = 0,375
(MP + ML) (5000 + 3000) 8000

Penjualan Probabilitas Prob. Kumulatif

10 0,2 1,0
11 0,4 0,8
12 0,3 0,4 Batas (0,375)
13 0,1 0,1

Keputusan “Sediakan 12 ikat”

Pembuktian: SYARAT : MP>ML (EMP>EML)

Jual 10 Unit : prob terjual =1, maka EMP = 1 (5.000) = 5.000
prob tdk terjual =0, maka EML = 0 (3.000) = 0 EMP>EML
Jual 11 Unit : prob terjual =0,8 , maka EMP = 0,8 (5.000) = 4.000
prob tdk terjual = 0,2, maka EML = 0,2 (3.000) = 600 EMP>EML
Jual 12 Unit : prob terjual =0,4 , maka EMP = 0,4 (5.000) = 2.000
prob tdk terjual = 0,6, maka EML = 0,6 (3.000) = 1.800 EMP>EML

9
 Jual 13 Unit : prob terjual =0,1 , maka EMP = 0,1 (5.000) = 500
prob tdk terjual = 0,9, maka EML = 0,9 (3.000) = 2.700 EMP < EML

IV. PENGGUNAAN KRITERIA NILAI HARAPAN DENGAN VARIABEL RANDOM YANG

DIDISTRIBUSIKAN SECARA KONTINU

Konsep kriteria nilai harapan dengan variabel random yang didistribusikan secara kontinu
memfokuskan hal-hal berikut :
• Penentuan probabilitas didasarkan pada variabel random kontinu, yaitu nilai-nilainya yang tidak
terbatas dan didasarkan pada interval. Biasanya membentuk garis lurus yang berhubungan
dengan interval yang ada.
• Distribusi probabilitas kontinu sering menggunakan Distribusi Normal
• Distribusi normal adalah salah satu distribusi teoritis dari variabel random kontinu yang juga
merupakan kurva kontinu berbentuk lonceng yang simetris.

DISTRIBUSI NORMAL
Karakteristik distribusi kurva normal

1. Kurva berbentuk genta (= Md= Mo)


2. Kurva berbentuk simetris
3. Kurva normal berbentuk asimptotis
4. Kurva mencapai puncak pada saat X= 
5. Luas daerah di bawah kurva adalah 1; ½ di sisi kanan nilai tengah dan ½ di sisi kiri.

Grafik kurva normal :

0,5 0,5

P(x≤) = 0,5
P(x) = 0,5
Luas kurva normal :

Untuk menentukan nilai variabel random dalam distribusi normal dengan Standar Z sebagai berikut :
X - 
Z = ----------- artinya berapa kali standar deviasi (σ)
σ menyimpang dari rata-rata ()

X = Nilai Variabel Random

 = Nilai Rata-rata (mean) dari variabel random
σ = Standar deviasi dari variabel random

10
 Z > 0 jika x > 
Z < 0 jika x < 
Simetri : P(0 ≤ Z ≤ b) = P(-b ≤ Z ≤ 0)

Tabel Area Under The Normal Curve

.00 .01 .02 .03 .04 .05 .06 .07 .08 .09

0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9 0.82630
1.0
1.1

3.9
Jika Z = 0.94, maka besar p = 0,8263 atau 82,63%

CONTOH SOAL (1):

Sebuah toko karpet menjual produk merk super X. berdasarkan catatan penjualan beberapa tahun,
manajemen toko menentukan rata-rata () dari jumlah meter karpet Super X yang diminta oleh
pelanggan selama seminggu adalah 4.200 meter dan standar deviasi (σ) adalah sebesar 1.400 meter.
Manajemen toko mengasumsikan bahwa variabel random kontinyu dan jumlah meter karpet yang
diminta per minggu adalah didistribusikan secara normal (kurva normal). Manajer toko ingin
mengetahui probabilitas permintaan untuk karpet Super X untuk minggu yang akan datang apabila
melebihi 6.000 meter.
Jawaban :
 = 4.200 meter
σ = 1.400 meter
Ditanya : P (X ≥ 6.000 meter)

6.000 – 4.200 1.800

Z = --------------------- = ------- = 1,28
1.400 1.400
P = 0,89973 (lihat dalam Tabel Kurva Normal)

11
 0,89973

µ
=4.200 6.000

P(X≥ 6.000) = 1- 0,89973

= 0,10027 atau 10,027%
Probabilitas terjualn lebih dari 6.000 m sebesar 10,027%

• Jika permintaan kurang dari 5.000 meter atau P(X ≤ 5.000 m) = ?

Jawaban :
 = 4.200 meter
 = 1.400 meter
Ditanya : P (X ≤ 5.000 meter)
5.000 – 4.200 800
Z = --------------------- = ------- = 0,57
1.400 1.400
= 0,71566 (lihat dalam Tabel Kurva Normal)

0,71566

Daerah arsir

µ
=4.200 5.000

P(X≤ 5.000) = 0,71566 atau 71,566%

Probabilitas terjualnya kurang dari 5.000 m sebesar 71,566%

CONTOH SOAL (2):

Seorang pedagang menjual suatu barang pada musim sepi. Pedagang tersebut membeli dengan harga $ 9 per unit
dan menjualnya kembali dengan harga $ 16 per unit. Bila per unit barang tidak terjual pada hari penjualan
pertama harganya menjadi $ 3 sebagai nilai sisa. Berdasarkan hasil pengalaman penjualan masa lalu bahwa
permintaan untuk produk didistribusikan secara normal dengan rata-rata penjualan () sebesar 120 unit dan
standar deviasi (σ) sebesar 38. Pertanyaan : Berapakah jumlah barang yang harus disediakan pedagang tersebut ?
Jawaban :
Harga Pembelian Per unit = $ 9
Harga Jual Per unit = $ 16
Harga Sisa =$3
Sehingga Laba per unit (MP) = 16 -9 = $ 7
Kerugian per unit (ML) = 9-3 = 6

12
 ML 6 6
Sehingga prob.minimum = ----------- = ------- = --- = 0,4615
MP + ML 7+6 13
probalilitas dari titik distribusi (X) = 1- 0,4615 = 0,5385
Sehingga Z tabel = 0,09
Rata-Rata () = 120
Standar Deviasi (σ) = 38
X- X-120
Z = --------- => 0,09 =----------- = X = 123,43 atau 123
σ 38
Keputusan : Jumlah barang akan disediakan sebanyak = 123 unit

0,4615
0,5385

Z=?

µ
X

SOAL-SOAL LATIHAN

(1). Seorang investor memiliki dana sebesar Rp. 500 juta dan ingin menanamkan pada salah satu dari
tiga investasi alternatif, yaitu obligasi, deposito, dan properti. Diasumsikan bahwa investor bersedia
menginvestasikan seluruh dananya pada salah satu rencana. Pay Off dari ketiga investasi tersebut
didasarkan pada tiga kondisi ekonomi potensial, yaitu cerah, sedang dan lesu. Matriks Payoff hasil
investasi (Rp) adalah sebagai berikut :

Alternatif Prospek Pasar

Keputusan Cerah Sedang Lesu
Obligasi 200 jt 65 jt 15 jt
Deposito 175 jt 100 jt 40 jt
Properti 250 jt 150 jt - 100 jt
Tentukanlah keputusan investasi yang terbaik berdasarka kriteria pada kondisi
ketidakpastian !.

(2). Seorang pedagang merencanakan untuk membeli barang X dengan harga Rp. 50 per unit dan akan
menjual kembali seharga Rp. 70 per unit. Karena sifat barang mudah rusak, maka dalam waktu
yang singkat barang tersebut diharapkan terjual semua. Tetapi jika ada barang yang sisa, masih
dapat dijual senilai ½ harga beli. Pedagang tersebut menghadapi masalah, yaitu berapa banyaka
barang X yang harus disediakan untuk penjualan besok supaya labanya optimal. Berdasarkan
pengamatan 100 hari terakhir atas penjualan, diperoleh informasi sebagai berikut:

13
 Kuantitas terpakai (per minggu)i Frekuensi
100 34
105 23
110 26
115 17
Diminta : Berapakah persediaan yang harus disediakan agar laba optimum dapat dicapai. Gunakan
kriteria-kriteria yang ada.

(3). Seorang pedagang menjual suatu barang pada musim sepi. Pedagang tersebut membeli dengan
harga $ 9 per unit dan menjualnya kembali dengan harga $ 16 per unit. Bila per unit barang tidak
terjual pada hari penjualan pertama harganya menjadi $ 3 sebagai nilai sisa. Berdasarkan hasil
pengalaman penjualan masa lalu bahwa permintaan untuk produk didistribusikan secara normal
dengan rata-rata penjualan () sebesar 120 unit dan standar deviasi (σ) sebesar 38. Pertanyaan :
Berapakah jumlah barang yang harus disediakan pedagang tersebut ?

(4). Selama sepuluh minggu terakhir toko swalayan Berastagi menjual buah apel rata-rata 150 kardus
per minggu dengan standar deviasi 40 kardus. Menurut perhitungan manajer titik pulang pokok
(BEP) penjualan buah apel tersebut 120 kardus. Harga beli apel $ 70 per kardus dan dijual kembali
seharga $ 160 per kardus. Berdasarkan informasi ini :
(a). Sampai batas berapa karduskah buah apel yang harus disediakan untuk penjualan minggu-
minggu mendatang supaya tetap beruntung ? Buktikanlah !
(b). Hitunglah berapa Expected Profit dari penjualan apel berdasarkan rata-rata penjualan ?
(c). Berapakah probabilitas penjualan apel tersebut dalam keadaan beruntung ?
(d). Seandainya toko swalayan tersebut ingin beruntung paling sedikit 30 kardus, berapakah
probabilitasnya?

14