– Capital Planning and Investment
LECTURE NOTES
7183M – Capital Planning and Investment
LEARNING OUTCOMES
OUTLINE MATERI :
1. Introduction
2. What is Decision Theory?
3. Decision Theory Formulation and Solution Methodologies
4. Decision-Making Under Certainty
5. Decision-Making Under Risk
6. Decision-Making Under Uncertainty
7. Multi-Objective Programming Methodology
8. What is Goal Programming?
9. Goal Programming Problem/Model Formulation
10. Goal Programming Complications and Model Assumptions
7183M – Capital Planning and Investment
ISI
Introduction
Chapter ini menjelaskan tentang dua metodologi pengambilan keputusan yang sering digunakan:
decision theory dan multi-objective programming. Decision theory merupakan kumpulan dari
metodologi dan prinsip yang digunakan untuk membuat alternative keputusan. Prosedur
matematika yang digunakan sebagai dasar pengambilan keputusan dan digunakan didalam
pengambilan keputusan didalam IT. MOP merupakan salah satu metode pengambilan keputusan
yang memungkinkan untuk memilih sejumlah alternative dari satu set alternative dari masalah.
7183M – Capital Planning and Investment
DT problem murni berupa pemilihan masalah dimana sangat sesuai untuk tipe masalah yang
dihadapi didalam IT decision making. Apa yang membuat rumit masalah adalah untuk
menemukan payoff yang tepat dan independent didalam lingkungan pengambilan keputusannya.
7183M – Capital Planning and Investment
3. Identifikasi dan mendaftar baris dan kolom yang sesuai dengan payoff
4. Formulasikan masalah ke dalam payoff table.
7183M – Capital Planning and Investment
untuk periode pertumbuhan, dan biaya perusahaan per hari $1500 didalam depression
environment. Product C estimasi menghasilkan $500 perhari didalam recession, $3000 perhari
untuk periode pertumbuhan, dan biaya perusahaan per hari $2000 didalam depression
environment. Formulasi masalah dengan ke 4 langkah:
1. Identifikasi dan mendaftar kedalam baris asal alternative yang dipilih. Ada 3 alternatif: A,
B, dan C. Hanya 1 yang dipilih
2. Identifikasi dan mendaftar kedalam kolom state of nature yang muncul. Ada 2 state of
nature: recession, growth, depression, hasilnya antara 3 dari 3 bentuk payoff table.
3. Identifikasi dan mendaftar baris dan kolom yang sesuai dengan payoff. Payoff dari profit:
2000,3500, -1000, 3000, 5000, -1500, 500, 3000, 2000
4. Formulasikan masalah ke dalam payoff table. Terdapat didalam table 3.
Maximax Criterion
Merupakan pendekatan optimistic untuk pengambilan keputusan. Ada dua langkah:
1. Memilih max payoff untuk setiap alternative
2. Memilih alternative dengan max payoff dari max payoff yang ada dilangkah 1.
Contoh terdapat pada table 4.
7183M – Capital Planning and Investment
Maximin Criterion
Merupakan pendekatan semi-pesimis yang mengasumsikan state of nature terburuk yang akan
muncul diantara yang terbaik. Langkahnya:
1. Memilih min payoff untuk setiap alternative
2. Memilih alternative dengan min payoff dari max payoff yang ada dilangkah 1.
Contoh pada table 5.
Origin of probabilities
Ddalam resiko masalah, kemungkinan terdapat didalam state of natue. Jumlah dari kemungkinan
ditambah 1. Digunakan objective method untuk menentukan kemungkinan yang diasumsikan
dengan:
1. Probabilitas dari event sebelumnya akan diikuti patternnya untuk event selanjutnya
2. Probabilitas stable didalam proses yang telah diobservasi
3. Sampe size mewakili past behavior
7183M – Capital Planning and Investment
Ada banyak kriteria yang dapat digunakan untuk membuat keputusan didalam lingkungan resiko
antara lain: Expected Value Opportunity Loss
7183M – Capital Planning and Investment
7183M – Capital Planning and Investment
Laplace criterion
Berdasarkan pada Principle of Insufficient information. Dibawah prinsip ini disasumsikan tidak
ada informasi yang tersedia dari masing-masing state of nature. Beberapa langkah yang
dilakukan:
1. Menambahkan equal probabilities ke masing-masing state of nature
2. Menghitung nilai yang diharapkan dari masing-masing alternative dengan menggunakan
“expected value” criterion
3. Memilih alternative yng terbaik dengan nilai yang dihitung
Maximin criterion
Sama seperti sebelumnya yang tidak terdapat kepastian, solusinya juga sama seperti sebelumnya
Maximax criterion
Sama seperti sebelumnya yang tidak terdapat kepastian, solusinya juga sama seperti sebelumnya
Hurwicz Criterion
Memperhitungkan pendekatan diantara maximin dan maximax dan merupakan pendekatan
terbaik didalam melakukan pengambilan keputusan. Coefficient optimism digunakan sebagai
7183M – Capital Planning and Investment
beratnya dan memiliki skala 0-1 dan alpha atau a. Coefficient pessimism antara -1 – a. Langkah
yang dilakukan:
1. Menentukan nilai dari alpha atau a
2. Menentukan maximum dan minimum payoff dari masing-masing alternative
3. Menghitung coefficient of optimism dikali dengan maximum payoff, hitung coeffient of
pessimism dikali dengan minimum payoff.
4. Memilih alternative yang terbaik atas hasil perhitungan
Minimax Criterion
Serupa dengan expected opportunity loss dan berdasarkan pada minimizing the expected
opportunity loss. Langkahnya:
1. Menentukan opportunity loss value yang tidak membuat keputusan terbaik dari masing-
masing state of nature
2. Menentukan maximum opportunity loss value untuk masing-masing alternative
3. Menentukan alternative dengan minimum opportunity loss value
7183M – Capital Planning and Investment
7183M – Capital Planning and Investment
GO dapat digunakan sebagai model penyelesaian masalah untuk semua tipe bisnis dan operasi
dan telah diidentifikasi sebagai metode strategic decision yang terbaik.
GP Problem
Terdapat 3 element: goal constraint, objective function, dan non negativity. Modelnya ada pada
table 11 yang digunakan sebagai foreshadow dari formulasi GP.
Goal Constraints
Dari contoh sebelumnya diharuskan untuk memilih dari 2 jenis system A dan B. Jika A
memberikan biaya bagi kita 5000/bulan untuk sewa dan B 11.000/bulan. Diset target setidaknya
pembayaran sebesar 10000. Jika diset 2 sistem didalam zero-one decision variable x 1 maka
hubungannya akan:
This is always the case because of the addition of two new variables, called deviation variables
(i.e., di+and d;), where di'is the positive deviation variable for i = 1,2, ..., m, and d( is the
7183M – Capital Planning and Investment
negative deviation variable for i = 1, 2, ..., m. These variables allow deviation from the right-
hand-side value in either direction.
Tapi tidak dapat dideviasi kedalam direksi yang sama , maka goal constrainnya:
If xl = 6, then it must be true that dl- = 4 and dl+ =0, so they sum to 10. Also, if xl = 13, then it
must be true that d1- = 0 and dl+ =3, so they sum to 10. Finally, if x1 = 10, then it must be true
that d1- = 0 and d1' =0, so they sum to 10. In other words, at least one deviation variable will
always equal zero, so d; x d: =O.
PC Selection Problem
Diilustrasikan dalam memilih berapa unit PC dan PC printes yang harus dibeli. Maka keputusan
yang diambil:
Pada masalah ini ditentukan adanya limitasi sumberdaya. The amount of space a PC or PC
printer takes up in a physical facility is same. The office where this IT will be used has a
maximum allowable utilization space for efficient usage for both PC’s and PC printers of only 50
units (i.e., you can not have more than a total of 50 units of either PC or PC printers or a
7183M – Capital Planning and Investment
combination of both in the space allowed). To model this goal constraint we again return to the
generalized form of the goal constraint:
There is an implied coefficient for ai, of 1 in the constraint above, since the space tradeoff of a
PC and a PC printer is 1-for-1. Now suppose the company needs to have at least 10 PC’s and 5
PC printers in order to meet minimum demand requires of customers. These requirements have
to be modeled with separate constraints as follows:
x1 + d i - dz+ = 10 (Minimum PC’s)
x2 + d i - d3+ = 5 (Minimum PC printers)
Next we are given a budget of $10,000 for the IT project. Let’s say the desire (or goal) is to use
about $10,000 (i.e., no more, no less than $10,000) though it might turn out that we will use
more or less than the $10,000 if other goals at higher priorities necessities additional
purchases. Let’s say it cost $237 for each PC, and $112 for each PC printer. The goal constraint
for this budget limitation is:
237 x1 + 112 x2 +d; - 4’ = 10000 (Budget)
7183M – Capital Planning and Investment
7183M – Capital Planning and Investment
SIMPULAN
Bagian ini membagi 2 tipe metodologi pengambilan keputusan investasi teknologi informasi:
decision theory dan goal programming mothod. Pembahasan tentang decision theory model meliputi
beberapa lingkungan keputusan dengan berbeda criteria. Prosedur perhitungan untuk berbagai criteria
keputusan juga disajikan. Pembahasan dari goal programming difokuskan pada formulasi model dan
intepretasi solusi. kedua metode baik decision theory maupun goal programming memiliki kelebihan dan
kelemahan dalam menangani multi-criteria IT investment.
7183M – Capital Planning and Investment
DAFTAR PUSTAKA
4. http://www.sciencedirect.com/science/article/pii/S0268401208001552
5. http://2007.ruleml.org/docs/Microsoft%20PowerPoint%20-%20RuleML.pdf
6. http://www.youtube.com/watch?v=feNNXcqk8NE
7. http://wps.prenhall.com/wps/media/objects/5528/5661380/_LearningTracks/laudon_ch11
_lt1.pdf
8. http://aisel.aisnet.org/cgi/viewcontent.cgi?article=3375&context=cais
9. http://eprints.usq.edu.au/5287/2/Pollard_Cater-Steel_AV.pdf
10. http://www.cs.toronto.edu/~sme/CSC340F/slides/tutorial-prioritization.pdf
11. http://jis.sagepub.com/content/34/6/861.full.pdf+html
12. http://staff.ustc.edu.cn/~xbtan/papers/A%20Markov%20Game%20Theory-
based%20Risk%20Assessment%20Model%20for%20Network%20Information%20Syste
m.pdf