SA-6021 Analisis Sistem dan

Pengambilan Keputusan SDA

Pengambilan Keputusan
dibawah Ketidakpastian
(Uncertainty)
16 November 2021
Minggu-13
• Pengambilan keputusan dibawah ketidakpastian, melibatkan tindakan-
tindakan alternatif yang memiliki hasil bergantung pada keadaan (acak)
alamiah (the (random) state of nature). Secara khusus, matriks hasil dari
permasalahan keputusan dengan m tindakan-tindakan alternatif dan n
state of nature dapat diwakili sebagai

s1 s2  sn
a1 va1 , s1  va1 , s2   va1 , sn 
a2 va2 , s1  va2 , s2   va2 , sn 
    
am vam , s1  vam , s2   vam , sn 

• Elemen ai mewakili tindakan i dan elemen sj mewakili state of nature j.

Hasil yang berkaitan dengan tindakan ai dan state sj adalah v(ai , sj)

• Perbedaan antara pengambilan keputusan dibawah resiko dan dibawah

ketidakpastian adalah bahwa dalam kasus kketidakpastian, distribusi
probabilitas berkaitan dengan state sj , j = 1, 2, ..., n, dapat tidak
diketahui
 atau tidak dapat ditentukan. Kekurangan informasi ini telah mengarah
pada pengembangan kriteria baru berikut untuk menganalisa
permasalahan keputusan:
1. Laplace
2. Minimax
3. Savage
4. Hurwicz

• Keriteria-kriteria diatas berbeda derajat konservatif dimana pengambil

keputusan mengarah kedalam menghadapi ketidakpastian.

• Krteria Laplace didasarkan pada prinsip alasan yang tidak cukup. Karena
distribusi probabilitas dari state of nature, P{sj}, t idak diketahui, disana
tidak ada alasan untuk mempercayai bahwa mereka adalah berbeda.
Alternatif-alternatif selanjutnya dievaluasi menggunakan asumsi optimis
dimana mereka adalah sama dengan yaitu, P{s1} = P{s2} = ... = P{Sn} =
1/n . Diberikan hasil v(ai , sj) mewakili keuntungan, alternatif terbaik
adalah salah satu yang menghasilkan

1 n 
max   vai , s j 
ai
 n j 1 
• Jika v(ai , sj) mewakili kerugian, selanjutnya operator “max” digantikan
dengan operator “min”.

• Kriteria maximin (minimax) didasarkan pada perilaku konservatif dari

pengambil keputusan terbaik dari kondisi yang mungkin terburuk. Jika v(ai
, sj) adalah keuntungan, selanjutnya kita memilih tindakan yang sesuai
dengan kriteria maximin


max min vai , s j 
ai ai

• Jika v(ai , sj) adalah kerugian, kita menggunakan kriteria minimum yang
diberikan sebagai

min max vai , s j 

ai  ai 

• Kriteria savage regret bertujuan pada moderating conservatism dalam

kriteria minimax (maximin) dengan mengganti matriks hasil (keuntungan
atau kerugian) dengan suatu kerugian (atau regret) r(ai , sj) dengan
menggunaan transformasi berikut:
  max vai , s j  vai , s j  , jika v adalah untung
r ai , s j    ak
vai , s j   min
ak
vai , s j  , jika v adalah rugi

• Untuk menunjukkan mengapa kriteria Savage “moderates” dalam kriteria

minimax (maximin), tinjau kerugian (loss) berikut, matriks v(ai , sj)

s1 s2 Maks baris
a1 $11.000 $90 $11.000
a2 $10.000 $10.000 $10.000  Mini max
• Penerapan kriteria minimax menunjukkan bahwa a2 , dengan kerugian
definite $10.000, diinginkan. Bagaimanapun, kita dapat memilih a1
karena terdapat peluang kerugian hanya $90 jika s2 diberitahu.

• Misalkan kita melihat apa yang terjadi jika kita menggunakan matriks
regret r(ai , sj) berikut:
 s1 s2 Maks baris
a1 $1.000 $0 $1.000  Mini max
a2 $0 $9.910 $9.910

• Kriteria minimax, jika diterapkan untuk matriks regret, akan memilih a1 ,

seperti yang diinginkan.

• Kriteria terakhir untuk dipertimbangkan adalah Hurwicz. Kriteria ini

dirancang untuk menyatakan suatu interval perilaku pengambil keputusan
dari paling optimis sampai paling pesimis (atau konservatif). Tentukan
0 ≤  ≤ 1, dan asumsikan bahwa v(ai , sj) mewakili keuntungan.
Selanjutnya tindakan yang dipilih harus disesuaikan dengan

max  max vai , s j   1    min vai , s j 

ai  sj sj 

• Parameter  diketahui sebagai indeks optimis. Jika   0 , kriteria adalah

konservatif sebab hal itu eqivalent untuk menerapkan kriteria minimax
biasa. Jika   1 , kriteria memberikan hasil optimis sebab hal ini
 equivalent untuk menerapkan yang terbaik dari kondisi terbaik. Kita dapat
menset derajat optimis (atau pesimis) melalui pemilihan yang sesuai dari
nilai  dalam interval yang ditentukan (0,1). Dalam ketidakhadiran
perasaan yang kuat berkaitan optimis dan pesimis,   0,5 dapat menjadi
pilihan yang sesuai.

• Jika v(ai , sj) mewakili kerugian, selanjutnya kriteria harus diubah

menjadi

min  min vai , s j   1    max vai , s j 

ai  sj sj 
Contoh
• National Outdoors School (NOS) sedang mempersiapkan perkemahan
musim panas di jantung alaska untuk melatih setiap individu dalam
wilderness survival. NOS mengestimasi bahwa jumlah yang hadir dapat
berupa salah satu dari empat kategori: 200, 250, 300, dan 350 orang.
Biaya dari perkemahan akan minimum jika biaya dibuat untuk bertemu
permintaan secara jelas. Deviasi diatas atau dibawah tingkat permintaan
ideal berakibat biaya tambahan dari hasil membangun kapasitas berlebih
(tidak digunakan) atau kehilangan kesempatan pendapatan jika beberapa
permintaan tidak dipenuhi. Misalkan a1 sampai a4 mewakili ukuran
perkemahan kemah (200, 250, 300, dan 350 orang) dan s1 sampai s4
tingkat kehadiran, tabel berikut merangkum matriks biaya (dalam ribuan
dollar) untuk situasi tersebut.

s1 s2 s3 s4
a1 5 10 18 25
a2 8 7 12 23
a3 21 18 12 21
a4 30 22 19 15
• Permasalahan dianalisis dengan menggunakan empat kriteria.

• Laplace
• Diberikan P{sj} = ¼ , j = 1 sampai 4, nilai yang diharapkan untuk
tindakan yang berbeda dihitung sebagai

Ea1  5  10  18  25  $14.500

1
4
Ea2   8  7  12  23  $12.500  Optimum
1
4
Ea3   21  18  12  21  $18.000
1
4
Ea4   30  22  19  15  $21.500
1
4

• Minimax
• Kriteria minimax menghasilkan matriks berikut:
 s1 s2 s3 s4 Maks baris
a1 5 10 18 25 25
a2 8 7 12 23 23
a3 21 18 12 21 21  Minimax
a4 30 22 19 15 30

• Savage
• Matriks regret ditentukan dengan dengan mengurangi 5, 7, 12, dan 15
dari kolom 1 sampai 4. Jadi,

s1 s2 s3 s4 Maks baris
a1 0 3 6 10 10
a2 3 0 0 8 8  Minimax
a3 16 11 0 6 16
a4 25 15 7 0 25
• Hurwicz
• Tabel berikut merangkum perhitungan

Alternatif Min baris Max baris  (min baris) + (1- )(maks baris)

a1 5 25 25 – 20 
a2 7 23 23 – 16
a3 12 21 21 – 9 
a4 15 30 30 – 15 

• Menggunakan  yang sesuai, kita dapat menentukan alternatif optimum.

Sebagai contoh, pada   0,5 , baik a1 atau a2 akan menghasilkan nilai
optimum, dimana   0,25 , a3 adalah nilai optimum
Tugas 11
• Soal 1
• Petani Hasan dapat menanam baik jagung atau kedelai. Probabilitas harga
musim panen mendatang dari komoditas2 diatas akan menaik, tetap
sama, atau menurun adalah 0,25, 0,40, dan 0,35. Jika harga menaik,
tanaman jagung akan mendapat untung bersih Rp 350 juta dan kedelai
mendapat untung bersih Rp 150 juta. Jika harga tetap tidak berubah,
Hasan akan kembali modal. Tetapi jika harga turun, tanaman jagung dan
kedelai akan merugi masing-masing Rp 350 juta dan Rp 100 juta.
a. Gambarkan permasalahan Hasan sebagai suatu pohon keputusan.
b. Tanaman yang mana semestinya Hasan tanam?

• Soal 2
• Untuk musim tanam yang akan datang, petani Hasan mempunyai 4 pilihan
a1 = tanam jagung
a2 = tanam gandum
a3 = tanam kedelai
a4 = gunakan lahan untuk rumput sebagai makanan ternak.
• Hasil yang berkaitan dengan tindakan yang berbeda dipengaruhi oleh
besarnya hujan yang turun, dimana dapat salah satu dari empat keadaan
(states) berikut.
s1 = hujan lebat
s2 = hujan biasa
s3 = hujan gerimis
s4 = musim kering

Matriks hasil (dalam juta rupiah) diestimasi sebagai berikut

s1 s2 s3 s4
a1 -150 600 300 -50
a2 450 500 300 0
a3 -400 1100 400 -100
a4 120 150 130 100

Kembangkan suatu cara berkaitan dengan situasi diatas untuk petani

Hasan (didasarkan pada masing-masing empat kriteria pengambilan
keputusan dibawah ketidakpastian).