7183M 

– Capital Planning and Investment 

LECTURE NOTES

Decision Analysis and Multi-Objective

Programming Methods

Anderes Gui, S.Kom., SE., MM

anderesgui@binus.edu

 
7183M – Capital Planning and Investment 

LEARNING OUTCOMES

1. Peserta diharapkan mampu mengidentifikasikan teori pengambilan keputusan

2. Peserta diharapkan mengerti metode pengambilan keputusan baik dalam kondisi

kepastian, ketidakpastian dengan risiko.

3. Peserta diharapkan mengerti metode pengambilan keputusan dengan menggunakan goal

programming.

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.

What is Decision Theory?

Decision Theory (DT) merupakan pembelajaran menggunakan matematik dan statistic yang
membantu untuk mendapat informasi dimana keputusan dapat dibuat. Sebelum menggunakan
DT harus dilakukan identifikasi dan melakukan formulasi dari masalah yang terjadi.

DT problem / model elements

Ada 3 element utama dari DT problem: alternatives, state of nature, dan payoff:
1. Alternatif merupakan keputusan independent didalam DT model. Menampilkan
alternative yang dipilih.
2. State of nature: event independen yang mungkin muncul dimasa depan.
3. Payoff: parameter dependent yang mungkin akan muncul pada saat melakukan pemilihan
alternative.
Disini akan digabungkan ketiga elemen kedalam payoff table untuk memformulasikan masalah
yang terjadi terdapat didalam table 1.

 
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.

Type of Decision environment

Ada 3 tipe DT environment: certainty, risk, dan uncertainty
1. Certainty: pembuat keputusan mengerti dengan jelas alternative yang dipilih dan total
payoff dari alternative yang dipilih
2. Risk: beberapa informasi dari payoff telah tersedia tapi disajikan dalam bentuk
probabilitas.
3. Uncertainty: tidak ada informasi terkait dengan state of nature yang muncul, hanya
berupa asumsi.
Masing-masing lingkungan DT memilih variasi metodologi yang dapat membantu dalam
mendapat informasi payoff atas keputusan mana yang sebaiknya dipilih.

DT Formulation and Solution Methodologies

Pertama dilihat bagaimana memformulasikan DT problem dan menyelesaikannya lalu
melakukan evaluasi atas pendekatan yang dapat dipilih untuk menyelesaikan masalah tersebut
dan memenuhi ketiga lingkungan DT tersebut.

A DT theory problem/model formulation procedure

Prosedur informasi atas DT problem meliputi:
1. Identifikasi dan mendaftar kedalam baris asal alternative yang dipilih
2. Identifikasi dan mendaftar kedalam kolom state of nature yang muncul

 
7183M – Capital Planning and Investment 

3. Identifikasi dan mendaftar baris dan kolom yang sesuai dengan payoff
4. Formulasikan masalah ke dalam payoff table.

Melalui prosedur ini, ada 2 macam IT investment problem:

A network Topology Problem
Berdasarkan pada IS manager yang ingin memutuskan mana dari kedua tipe jaringan komputer
yang dapat menkonfigurasi dalam melayani customer. Pilihannya antara lain ring network atau
stat network. Keduanya menjadi pilihan dalam masalah ini. Apa yang akan diterima manager
tergantung dari permintaan customer. 2 kemungkingan kondisi permintaan customer adalah
“High demand” dan “Low demand”. Menggunakan 4 langkah dalam DT, masalah ini dapat
diformulasikan:
1. Identifikasi dan mendaftar kedalam baris asal alternative yang dipilih. Ada 2 alternatif:
ring network dan star network. Hanya 1 yang dipilih
2. Identifikasi dan mendaftar kedalam kolom state of nature yang muncul. Ada 2 state of
nature: High demand dan low demand, hasilnya antara 2 dari 2 bentuk payoff table.
3. Identifikasi dan mendaftar baris dan kolom yang sesuai dengan payoff. Payoff dari cust
sales: $3, $1, $4, dan $-2 juta didalam nilai penjualan
4. Formulasikan masalah ke dalam payoff table. Terdapat didalam table 2.

A New IT service Product Problem

IS manager ingin memutuskan dari 3 new service produck yang diperkenalkan. Setiap tipe
berpotensial untuk memberikan profitabilitas sesuai dengan kondisi ekonomi pasar. Produk A
memiliki estimasi pasar akan menghasilkan $2000 perhari didalam recession, $3500 perhari
untuk periode pertumbuhan, dan biaya perusahaan per hari $1000 didalam depression
environment. Produk B estimasi menghasilkan $3000 perhari didalam recession, $5000 perhari

 
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.

Decision making under certainty

Ada berbagai kriteria yang berbeda untuk mendukung pengambilan keputusan. Tapi umumnya
ada 2 kriteria yang digunakan: “maximax”, “maximin”

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.

Decision making under risk

Ada banyak kriteria pengambilan keputusan yang dapat diambil, tetapi masalahnya saat ini yang
dihadapi adalah “risk” dimana state of naturenya berupa probabilitas.

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

Expected Value Criterion

Ditentukan dengan menghitung estimasi berat dari payoff untuk masing-masing alternative.
Beberapa langkah yang dilakukan:
1. Menambahkan kemungkinan untuk masing-masing state of nature kedalam payoff dari
masing-masing baris dalam payoff table
2. Multiple probability didalam bentuk decimal untuk masing-masing payoff dan
dijumlahkan atas baris.
3. Memilih alternative yang memiliki payoff terbaik

Expected opportunity loss criterion

Berdasarkan pada logika dalam menghindari kerugian dengn meminimalisasi kemungkinan
kerugian. Langkah yang dilakukan:
1. Menentukan nilai atas kemungkinan kerugian untuk tidak membuat keputusan yang
terbaik didalam masing-masing state of nature
2. Menambahkan probabilitas ke dalam nilai kemungkinan kerugian dan menghitung
kemungkinan kerugian yang dapat terjadi untuk masing-masing alternatifnya.
3. Memilih alternative dari minimum expected opportunity loss yang ada pada step 2.

Decision Making under uncertainty

Pembuat keputusan tidak memiliki informasi atas state of nature yang akan muncul. Tidak tahu
berapa jumlah payoff, dan alternative yang mungkin muncul. Ada 5 kriteria: Laplace, Maximum,
Maximax, Hurwicz, da minimax

 
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 

Multi objective programming methodology

Ketika 1 keputusan dibuat maka alternative yang diusulkan oleh metodologi dapat diterima dan
digunakan. Sayangnya masih banyak limitasi yang ada dibidang pendanaan, personel, teknologi,
dll. Maka metode ini digunakan sebagai sumber daya dari pengambilan keputusan dan analisis
yang disebut sebagai goal programming.

What is goal programming?

merupakan multivariable yang digunakan untuk mendukung pengambilan keputusan tetapi tidak
seperti metode lain dapat menyelesaikan masalah untuk lebih dari 1 alternatif. Keunikannya
adalah memiliki kemampuan untuk memberikan peringkat dari solution process.

 
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.

Objectives Function’s use for seeking goals

Hal ini berarti jika semua variable deviasi akan memiliki nilai posititf. Ada 3 pilihan dalam
melihat alternative:
‐ Menempatkan kedua variable didalam objective function
‐ Menempatkan hanya positive deviation variable
‐ Menempatkan hanya negative deviation variable

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)

Objective function dari kasus ini:

1. Hanya d1+ variable dari goal pertama yang dimasukan ke dalam objective function untuk
menghindari berbagai positive deviation dari right-hand-side value 50
2. Hanya d2- dan d3- yang dimasukan kedalam objective function kedua dan ketiga
3. Kedua d4- dan d4+ dimasukan kedalam keempat objective function.

 
7183M – Capital Planning and Investment 

Sehingga keputusan yang diambil dari kasus ini diformulasikan sebagai:

Type of objective function

 
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

1. Marc J Schniederjans, Jamie L Hamaker, Ashlyn M Schniederjans (2010). Information

Technology Investment: Decision-Making Methodology. 2nd edition. World Scientific.
chapter 5
2. Keown, Martin and Petty, "Foundations of Finance: The Logic and
Practice of Financial Management", sixth edition, 2008, Pearson International Edition,
(ISBN 978-0-13-234590-3)
3. http://www.emeraldinsight.com/search.htm?st1=The+characteristics+of+IT+investment+
decisions+and+methods+used+in+the+US+lodging+industry&ct=all&ec=1&bf=1&go=
Go

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