TEORI

KEPUTUSAN
Kelompok 1 :
Trianita Octaviani (22.0101.0002)
Rahmawan Najib (22.0101.0118)
 POKOK BAHASAN
01 02 03 04 05 06
Kerangka Dasar Klasifikasi Model Model Keputusan Model Keputusan Analisa Pohon Kriteria Keputusan
Model Keputusan Keputusan Nonprobabilistik Probabilistik Keputusan Nilai yang Diharapkan
 01
Kerangka Dasar Model Keputusan
Identifikasi Masalah
Alternatif Keputusan : Peristiwa (events) :
Membuat daftar kemungkinan Membuat daftar kemungkinan
tindakan yang harus dilakukan peristiwa setelah pengambilan
keputusan.
 Tabel Payoff

Setelah mengidentifikasi alternatif keputusan dan peristiwa, kegiatan selanjutnya

membuat payoff. Payoff adalah sekumpulan hasil/benefit yang diperoleh, jika
keputusan benar - benar dilaksanakan dan peristika bena - benar terjadi. Informasi
tentang payoff disusun dalam tabel payoff.
POHON KEPUTUSAN
Dalam pohon keputusan, terdapat 2 simbol yang digunakan :
1. Titik Keputusan
2. Titik Peristiwa

Lingkaran menggambarkan titik peristiwa yang memiliki

empat kemungkinan peristiwa (1,2,3, atau 4) yang
berhubungan dengan keempat kriteria penjualan.
Angka pada akhir cabang menunjukkan payoff yang
mungkin terjadi untuk setiap kombinasi antara tindakan dan
peristiwa.
Misalnya, apabila memilih tindakan memberi truk ukuran
sedang (titik keputusan) maka akan terjadi peristiwa 3. Jika
penjualan termasuk dalam kriteria 2, maka payoff sebesar
50 (Rp 50 juta).
02
KLASIFIKASI
MODEL
KEPUTUSAN
1. Model Nonprobabilistik, adalah apabila manajer
tidak mempunyai estimasi yang pasti atas
kemungkinan terjadinya berbagai macam
peristiwa.
2. Model Probabilistik, adalah pembuat keputusan
dapat menentukan kemungkinan terjadinya
berbagai macam peristiwa. Dengan kata lain,
probabilitas terjadinya setiap kemungkinan dapat
diketahui secara pasti.
 03
MODEL KEPUTUSAN
NONPROBABILISTIK
1. Kriteria Maximim, merupakan kriteria keputusan
yang pesimistis yaitu memilih keputusan yang
mempunyai payoff maksimum dari payoff yang
minimum.

Langkah 1 : Menentukan payoff minimum setiap alternatif

keputusan.
Truk Kecil = 20 jt
Truk Sedang = 24 jt
Truk Besar = - 40 jt

Langkah 2 : Pilih alternatif keputusan yang mempunyai pay

off maksimum dari payoff minimum dalam langkah 1
Maximum Payoff = 24jt, yang berkorespondensi dengan
pembelian truk ukuran sedang.
 03
MODEL KEPUTUSAN
NONPROBABILISTIK
2. Kriteria Maximax, merupakan kriteria keputusan yang
mengandung risiko atau optimistis yaitu memilih
keputusan yang mempunyai payoff maksimum tanpa
memperhatikan peristiwa apa yang akan terjadi.
Langkah 1 : Menentukan payoff maksimum setiap alternatif
keputusan.
Truk Kecil = 50 jt
Truk Sedang = 54 jt
Truk Besar = 80 jt

Langkah 2 : Pilih alternatif keputusan yang mempunyai

payoff terbesar dari langkah 1.
Maximum Payoff = 80jt, yang berkorespondensi dengan
pembelian truk ukuran besar.
 03
MODEL KEPUTUSAN
NONPROBABILISTIK
3. Kriteria Minimax, diperlukan untuk menentukan
keputusan apabila menghadapi persoalan minimisasi
atau untuk menentukan keputusan berdasarkan tabel
oppportunity loss.
Langkah 1 : Menentukan opportunity loss maksimum untuk
setiap alternatif keputusan.
Truk Kecil = 30 jt
Truk Sedang = 40 jt
Truk Besar = 80 jt

Langkah 2 : Pilih alternatif keputusan yang mempunyai

opportunity loss terkecil dari langkah 1.
Opportunity Loss Minimum = 30jt, yang berkorespondensi
dengan pembelian truk ukuran kecil.
 04
MODEL KEPUTUSAN
PROBABILISTIK
Kriteria keputusan probabilitas adalah memilih alternatif
keputusan yang mempunyai payoff yang diharapkan (EP). Jika
pengambilan keputusan berdasarkan expected loss (L) maka
kriteria keputusan probabilitas memilih alternatif yang
mempunyai expected loss minimum.

Langkah 1 : Hitung expected payoff (EP) setiap alternatif

keputusan (a), dengan mengalikan setiap payoff alternatif
keputusan dengan probabilitas peristiwa kemudian
jumlahkan hasilnya.
Langkah 2 : Pilih (a) yang mempunyai (EP) maksimum.
 05
ANALISIA POHON
KEPUTUSAN
Decision Tree Analysis : Prosedur :
Suatu alat pembuat model Dimulai dengan sebelah kanan pohon.
skematis dalam menyelesaikan Tuliskan payoff di ujung cabang dan
masalah keputusan. probabilitas dituliskan di atas setiap
Penggunaan analisa pohon cabang, kemudian hitung expected payoff
keputusan sangat tepat dan hasilnva tuliskan di atas setiap titik
apabila proses keputusan kemungkinan peristiwa yang mungkin
melibatkan serangkaian terjadi. Setelah semua titik kemungkinan
(sequential) keputusan dan peristiwa dievaluasi, tentukan alternatif
berkaitan dengan berbagai keputusan yang memiliki total nilai
macam peristiwa. peristiwa maksimum.
Note :
Proses ini dikerjakan secara continuous hingga
titik keputusan terakhir.
 06
Kriteria
Keputusan Nilai
Yang Diharapkan
Dalam masalah keputusan probabilistik, decision
maker telah mempunyai sumber perfect information
terhadap peristiwa yang akan terjadi. Expected
value dari informasi ini dikatakan sebagai nilai yang
diharapkan atas informasi yang sempurna (expected
value of perfect information/EVPI).
Kriteria keputusan berdasarkan nilai yang diharapkan
adalah memilih keputusan berdasarkan payoff
maksimum atau berdasarkan biaya ataupun
kerugian minimum. Secara matematis, expected
payoff perfect information (EPPI) dapat ditulis dalam
persamaan sebagai berikut:
EPPI = (Payoff max event i)P(i)
EVPI = EPPI - (EP max)
Manajemen Kuantiatif untuk Bisnis, Yamit, 2007