Misalnya :

Dua hasil survey geologi adalah ramalan bagus (B) memberikan harapan memperoleh
minyak dan ramalan jelek, kurang memberikan harapan memperoleh minyak.
Probabilitas hasil bersyarat adalah :

P(B/M) = 0,90 dan P(B/M) = 0,10

P(B/M) = 0,20 dan P(B/M) = 0,80

Ketiga :

Revisi/perbaiki probabilitas dengan jalan menggunakan prinsip prinsip dalil Bayes

untuk memperoleh :

1. Probabilitas hasil tidak bersyarat bagi hasil eksperimen

2. Probabilitas posterior untuk kejadian kejadian utama

Misalnya :

Probabilita hasil bersyarat adalah :

P(B) = 0,55 dan P(B) = 0,45

P(M/B) = 9/11 dan P(M/M) = 2/11

P(M/B) = 1/99 dan P(M/B) = 8/9.

Dengan menggunakan pohon probabilitas

Kita mulai dengan diagram pohon probabilitas :

a. Diagram ini menggambarkan kronolgi kejadian yang sebenarnya (actual

chronological events).

b. Mewakili kronologi informasional (informational chronology)

inilah urutan dimana pengambil keputusan menenmukan kejadian mana yang terjadi.
Pertama : pengusaha perminyKn memperoleh hasil survey geologi yang diwakili oleh
canag kejadian awal.

Kedua : kalau dia memilih mengebor, ia akhirnya menemukan apakah lokasi tersebut
mengandung minyak (M) atau tidak (M).

Kita mulai dengan mengalikan probabilitas yang terdapat pada setiap cabang
pada diagrm pohon a) untuk memperoleh probabilitas bersama (joint probability). B)
hal ini harus dilakukan dengan hati-hati, sebab diantara hasil bersama (in-beetwen
joint out comes) tidak didaftar/ditulis menurut urutan yang sama pada diagram pohon
b) dan pada a) sebab jalur kejadian tidak sama anatara diagram a) dan b). contoh :
pada diagram a) kita peroleh probabilitas bersama antara minyak keluar (M) dan
ramalan hasil survey geologi jelek (B) menghasilkan, nilai probabilitas MB yaitu :

P(MB) =P(M). P(B/M) = (0,50) (0,10) = 0,05

(probabilitas minyak keluarb dan ramalan tidak baik atau jelek sama dengan
probabilitas minyak keluar kali probabilitas ramalan jelek dengan syarat/kalau
minyak keluar).

Sekarang kita beralih pada diagram pohon probabilitas b) pertama kita hitung
probabilitas hasil tidak bersyarat (unconditional result probabilities) pada tahap
pertama. Disini kita pergunakan aturan tambahan untuk memperoleh

P(B) = P(MB) + P(MB) = 0,45 + 0,10 = 0,55

(probabilitas bahwa ramalan bagus = probabilitas ramalan bagus dan minyak keluar +
probabilitas ramalan bagus dan minyak tidak keluar).

P(B) = P(MB)+ P(MB) = 0,05 + 0,40 =0,45

(Probabilitas ramalan jelek = probabilitas ramalan jelek dan minyak keluar +

probabilitas ramalan jelek dan minyak tidak keluar).
 Nilai-nilai probabilitas ditiadakan pada cabang yang sesuai pada thapan
pertama (lihat angka 0,55 dan 0,45 pada diagram b ). Akhirnya probabilitas posterior
untuk kejadian tidak pasti tahapan kedua dihitng dengan menggunakan rumus
probabilitas bersyarat yang sudah dijalankan dalam bab sebelumnya yaitu :

P ( AB)
P(A/B) =
P(B)

Jadi probabilitas posterior untuk memperoleh minyak (M) dengan syarat ramalan
bagus (B) adalah

0,45
P(M/B) = P ¿ ¿= = 9/11
0,55

Nilai ini diletidakkan pada cabang tahapan kedua untuk minyak keluar (4) yang
didahului oleh cabang tahapan pertama bahwa ramalan hasil survey geologi bagus
(B).

Analisis posterior

Diagram pohon keputusan mengilustrasikan pilihan pengusaha perminyakan segera

etelah geologi diketahui. Dalam hal ini kita telah menyimpulkan bahwa :

1. Sewa akan dijual 250 juta smu

2. Biaya pengeboran 100 juta smu
3. Biaya survey geologi sebanyak 25juta smu.

Probabilitas yang telah diperoleh sebelumnya untuk kronologi informasional

dipergunakan. Oleh karena probabilitas posterior untuk kejadian status lokasi
(minyak keluar atau tidak) berlaku pada dua titik/ simpul keputusan, menggunakan
pohon keputusan ini sebagai dasar untuk mengambil keputusan disebut anaisis
posterior.

Perhatikan bahwa tidak ada cabang kejadian mengikuti tindakan untuk meninggalkan
sewa (abandon the lease) sebab pengusahaa perminyakan
Tidak akan pernah mengetahui kalau minyak akan keluar, kecuali kalau melakukan
pengeboran. (walaupun ketidakpastian masih ada, tidak akan merugikan mempunyai
cabang kejadian untuk minyak keluar lawan minyak tidak keluar pada titik-titik itu,
akan tetapi hasil keputusan atau pay off akan sebesar 25 juta smu, untuk kedua
kejadian, dan akan dicapai kesimpulan yang sama).

Dengan menggunakan industri dari belakang (backward inducation),

pengusaha perminyakan akan mematahkan cabang tidak mengebor dan akan
mengebor kalau hasil survei menunjukkan ramalan bagus dan sebaliknya tidak akan
mengebor kalau ramalan jelek.

Walaupun pengeboran akan mengarah menghasilkan pay off yang sama yaitu
125 juta smu, apapun hasil survei geologi, probabilitas posterior untuk memperoleh
minyak dan tidak memperoleh minyak dan tidak memperoleh minyak (tidak keluar)
berbeda untuk ramalan baik dan jelek, sehingga harapan hasil (expected pay off) juga
lain. Harapan hasil karena mengebor kalau ramalan baik sebesar 79,545 juta smu
akan tetapi kalau ramalan jelek, harapan hasil negatif yaitu -97,222 juta smu (lihat
gambar 10.2).
 Nilai harapan hasil untuk strategi optimal sebesar 32,5 juta smu. Angka ini
akan sangat berguna di dalam menentukan apakah survei geologi diperlukan atau
tidak?

Strategi yang sebenarnya tidak optimal

Di dalam struktur keputusan yang sederhana, mungkin lebih baik meluruskan

diagram pohon keputusan. Bagi persoalan pengusaha perminyakan, kita bisa
menyimpulkan bahwa dia akan mematahkan cabang yang sama tanpa menghiraukan
angka-angka yang terlibat. Oleh karena dia membayar 27 juta smu untuk survei
geologi dan eksperimen ini memberikan ramalan yang andal (realible prediction), dia
akan memilih tindakan/alternatif yang konsisten dengan informasi yang diperolehnya.
Pohon keputusan gambar 10.2 memungkinkan adanya tiga startegi yaitu :

1. Dilakukan pengeboran, apapun hasilnya. Cabang tidak mengebor dipatahkan

(lihat tanda //)
2. Tidak mengebor. Patahkan cabang mengebor.
3. Lakukan hal yang berlawanan dengan hasil ramalan (jangan mengebor kalau
ramalan bagus, patahkan cabang mengebor dan mengeborlah kalau ramalan
jelek, patahkan cabang tidak mengebor).

Tentu saja strategi yang ketiga ini tidak masuk akal dan pasti tidak akan
dilaksanakan bahkan tidak akan dipertimbangkan. Kedua strategi lainnya inferior
terhadap usaha pengeboran atau tidak mengebor (drilling or not drilling) tanpa
memanfaatkan hasil survei geologi, sebab di dalam kedua kasus tersebut bisa
dihemat sebanyak 25 juta smu. Strategi yang rendah mutunya (inferior) itu
sebenarnya strategi yang tidak optimal.

Gambar 10.3 menunjukkan bagaimana diagram pohon keputusan pengusaha

perminyakan seharusnya bisa digambarkan tanpa memperhatikan yang
sebenarnya tidak optimal. Representasi ini mungkin membantu menyederhanakan
pohon keputusan, yang kalau tidak akan menjadi ruwet/
 komplek. Walaupun demikian untuk keperluan ilustrasi, selalu dipergunakan
diagram pohon keputusan yang lengkap seperti sebelumnya.

Apabila ternyata ada lebih dari dua tindakan/alternatif atau dua hasil
eksperimen terlibat dalam persoalan yang dihadapi, tidak mudah menentukan
strategi mana yang sebenarnya tidak optimal (obviously non-optimal).

10.3 ANALISIS PREPOSTERIOR

Kita telah mengilustrasikan penggunaan informasi eksperimen dan telah

menguraikan analisis posterior yang menunjukkan tindakan apa yang harus
diambil/dipilih untuk setiap hasil eksperimen. Sekarang kita akan mengkaitkan
pilihan tambahan yaitu apakah perlu memperoleh informasi semacam itu pada
tahap awal?

Jadi, keputusan diperluas mencakup suatu tahap awal meliputi pemilihan

tindakan yang berkesan dengan eksperimental, kita perlu memperluas keputusan
pengusaha struktur keputusan. Keputusan tambahan tentang perlu tidaknya
memutuskan melakukan survei geologi atau tidak diperlukan sebagai suatu titik
keputusan awal, yaitu tindakan awal yang mempunyai cabang, di mana setiap
cabang menunjukkan tindakan guna memilih survei atau tik melakukannya.
 Apabila survei geologi dipergunakan, akan diikuti kejadian tidak pasti, berupa
cabang yang menunjukkan kemungkinan hasil survei yaitu ramalan bagus atau
jelek; dalam hal ini probabilitas hasil tidak bersyarat berlaku.

Kejadian-kejadian ini diikuti oleh kepuasan awal yaitu mengebor atau tidak
mengebor. Seandainya pengusaha perminyakan mengebor,

cabang – cabang, terakhir mewakili kejaidan memperoleh minyak (minyak keluar)

atau tidak (minyak tidak keluar) dan disini probabilitas posterior berlaku. Kalau
keputusan awal tidak melakukan survey, kemudian keputusan mengebor atau tidak
harus dibuat tanpa informasi, yang ditunjukkan oleh cabang pada bagian bawah
(tanda kotidak tidak didahului dengan tanda lingkaran).

Didalam hal ini pengeboran mengarah pada kejadian akhir yang berkaitan
dengan status lokasi, dengan dua cabang keluar minyak dan tidak keluar minyak
masing – masing dengan probabilitas 0,5 dan hasil (pay off) 150 juta smu dan -100
juta smu.

Disini probabilitas prior asalnya diperoleh atau tidak diperoleh minyak. Hasil
(pay off) yang diperoleh pada cabang pohon yang menunjukkan tindakan mengebor
sebear 25 juta smu jauh lebih besar dibandingkan dengan tindakan mengebor kalau
dilakukan survey (-97,22 juta smu), sebab tidak dikeluarkan biaya untuk survey.

Sekarang kita menghadapi persoalan keputusan dua tahap untuk dianalisis.

Dengan jalan induksi dari bekalang (backward induction) pada bagian atas Gamba
10.4, kita peroleh hasil yang kita jumpai sebelumnya: Dengan menggunakan hasil
survey geologi nilai harapan hasil (expected pay off), sebesar 32,5 juta smu,
sedangkan kalau tidak menggunakan hasil survey nilai harapan hasil hanya 25 juta
semu. Dengan demikian cabang pohon yang menunjukkan tidak survey diapathkan
(beri tanda //).

Kriteria yang dipergunakan memilih tindakan dengan nilai harapan terbesar

(maximum expected pay off), yaitu harus survey, kalau hasil menunjukkan ramalan
baik (bagus) lakukan pengeboran, sebaliknya kalau hasil menunjukkan ramalan jelek,
jangan melakukan pengeboran (tidak mengebor).

Peranan Nilai Harapan Informasi Sempurna (NHIS)

Didalam beberapa situasi, prosedur diatas mungkin bisa dipendekkan.ingat,

bahwa nilai harapan informasi sempurna (NHIS) menunjukkan nilai atau harga
informasi sempurna bagi kejadian tidak pasti dalam keputusan utama. Didalam
praktik, biasanya informasi yang diperoleh melalui survey atau eksperimen jauh dari
sempurna didalam kemampuan meramal. Apabila kenyataan/bukti itu memerlukan
biaya (cost) melebihi manfaat (manfaat) yang akan kita peroleh, tentu saja
penambahan informasi melalui kegiatan eksperimen/survey tidak diperlukan (tidak
usah).
Harapan hasil dengan informasi sempurna = 75 juta smu.

Tabel 10.1

Perhitungan NHIS Bagi Pengusaha Perminyakan

Hasil (Jutaan SMU)

Kejadian Probabilitas Mengebor Tidak Baris (Baris Maks) x
Mengebor Maks (Probabilitas)
M = Minyak 0,50 150 0 150 75
Keluar
Ṁ = Minyak 0,50 -100 0 0 0
Tidak Keluar
Jumlah 1,00 75
Harapan hasil tanpa informasi sempurna.

= 150(0,50) + (-100)(0,50) = 75 – 50 = 25 juta smu

NHIS = 75 – 25 = 50 juta smu.

Pada Tabel 10.1 NHIS = 50 juta smu. Disini probabilitas prior dipergunakan,
sebab survey geologi tidak dimanfaatkan. Seandainya biaya survey geologi lebih
tinggi dari NHIS katidakan mencapai 70 juta smu, tentu pengusaha perminyakan
tidak akan peduli dengan survey geologi, apakah hasilnya dapat meramalkan adanya
minyak, dengan baik atau tidak.

Akibatnya cabang yang menunjukkan survey dipatahkan, tanpa perlu

menghitung probabilitas posterior atau melakukan analisis preposterior seperti diatas.
Tentu saja cara pintas (short cut method), hanya berlaku kalau biaya informasi
tambahan melebihi NHIS. Oleh karena dalam contoh soal ini pengusaha perminyakan
hanya mengeluarkan 25 juta smu, yang ternyata lebih kecil dari 50 juta smu (NHIS),
maka dalam hal ini perlu dilakukan analisis.
Contoh Soal Penggunaan Informasi Sempurna

Manajer pemasaran suatu perusahaan suatu makanan dalam kaleng bersama

Sutopo SE, sedang memikirkan masalah label kemasaan salah satu produknya. Riset
pasar yang dilakukan menunjukkan bahwa konsumen kurang tertarik pada pandangan
pertama pada label kemasan produk tersebut yang tampak kusam, tidak cerah,
sehingga kurang menarik.

Untuk maksud tersebut Sutopo meminta bantuan seorang ahli periklanan

(advertising expert) untuk merancang beberapa contoh label buat produk tersebut.
Contoh – contoh kemudian dinilai oleh para eksekutif/pimpinan perusahaan, ternyata
ada satu label yang sellau juara/menang dari uji preferensi (preference test) tersebut.
Meskipun demikian manajer pemasaran tersebut masih ragu – ragu apakah label
tersebut benar – benar akan bisa menaikkan tingkat penjualan? Biaya untuk
perubahan label sudah mencapai Rp 5 juta.