TIF1208 09 T Keputusan
TIF1208 09 T Keputusan
Kuliah Statistik
TEORI PENGAMBILAN
KEPUTUSAN
Pengambilan Keputusan :
Model-model pengambilan keputusan dalam analisa kuantitatif
sering menggunakan anggapan tersedianya informasi yang
sempurna.
Dunia nyata para manajer sering dipaksa harus mengambil
keputusan tanpa informasi sempurna (ada variabilitas
informasi, seperti kondisi kepastian, risiko dan
ketidakpastian).
Model Pengambilan Keputusan dipengaruhi atau tergantung
dari Informasi yang ada/yang dimiliki.
Informasi yang ada, pada dasarnya dapat digolongkan menjadi
2 (dua) yaitu Informasi Sempurna (Perfect Information) dan
Informasi Tidak Sempurna (Imperfect Information).
Model Pengambilan Keputusan dikaitkan Informasi yang dimiliki :
Ada 3 (tiga) Model Pengambilan keputusan.
1. Model Pengambilan Keputusan dalam Keadaan Kepastian
(Certainty). Menggambarkan bahwa setiap rangkaian
keputusan (kegiatan) hanya mempunyai satu hasil (pay off
tunggal). Model ini disebut juga Model Kepastian/
Deterministik.
lanjutan
2. Model Pengambilan Keputusan dalam kondisi Berisiko
(Risk). Menggambarkan bahwa setiap rangkaian
keputusan (kegiatan) mempunyai sejumlah
kemungkinan hasil dan masing-masing kemungkinan
hasil probabilitasnya dapat diperhitungakan atau
dapat diketahui. Model Keputusan dengan Risiko ini
disebut juga Model Stokastik.
3. Model Pengambilan Keputusan dengan Ketidakpastian
(Uncertainty). Menggambarkan bahwa setiap
rangkaian keputusan (kegiatan) mempunyai sejumlah
kemungkinan hasil dan masing-masing kemungkinan
hasil probabilitasnya tidak dapat diketahui/ditentukan.
Model Keputusan dengan kondisi seperti ini adalah
situasi yang paling sulit untuk pengambilan keputusan.
(Kondisi yang penuh ketidakpastian ini relevan dengan
apa yang dipelajari dalam Game Theory)
2. Macam Korelasi :
(1) Korelasi Sederhana (Single Correlation), korelasi antara
dua variabel rx,y
(2) Korelasi Berganda (Multiple Correlation), korelasi antara
lebih dari dua varibel rx1, x2, y
lanjutan
3. Rumus Korelasi :
n . X.Y - (X).(Y)
R=r=
--------------------------------------------------------------
{ n . X 2 ( X ) 2 } . { n . Y 2 ( Y ) 2 }
----------------------------------------------------------------------
--
No X Y X .Y X2 Y2
----------------------------------------------------------------------
--
1
2
Dst
----------------------------------------------------------------------
--
X Y X .Y X2 Y2
-------------------------------------------------------------------------------------------------------------
lanjutan
REGRESI
1. Pengertian :
(1) Mencari garis atau fungsi yang dapat menggambarkan
hubungan antara Variabel Penyebab = Variabel bebas =
Variabel prediktor = Independent Variable dengan
Variabel Akibat= Variabel Terikat =Dependent Variable.
(2) Mengukur bagaimana pola hubungan fungsional
antara
variabel-variabel dalam persamaan atau model.
(3) Yang diukur bukan sekedar hubungan tetapi sudah
sampai
pada pengaruh. Sifat hubungan satu arah, harus
ditentukan variabel bebas dan variabel terikatnya.
2. Macam Regresi :
(1) Regresi Sederhana (Single Regression), Regresi antara
dua variabel (1 variabel bebas dan 1 variabel terikat)
(2) Regresi Berganda (Multiple Regression), Regresi antara
lebih dari dua variabel (2 atau lebih variabel bebas
dengan
1 variabel terikat).
lanjutan
3. Persamaan Regresi :
Untuk Regresi Sederhana/Single Regression :
Y = a + b X
Y b. X
dimana a = konstanta = ------ - ---------
n n
n . X .Y - X . Y
b = koefisien regresi = -----------------------------------
n . X2 - ( X ) 2
X = Variabel bebasnya Y = Variabel terikat
Untuk Regresi Berganda :
Y = a + b1.X1 + b2.X2 + . + bn.Xn
dimana a = konstanta
b1 = koefisien regresi untuk Variabel X1
b2 = koefisien regresi untuk Variabel X2
Xn = Variabel bebasnya ke n
lanjutan
4. Uji Asumsi dalam Model Regresi :
Model Regresi sebelum digunakan perlu dilakukan
berbagai uji, salah satu diantaranya adalah uji
asumsi sbb :
a. Uji Normalitas (Populasi Y terdistribusi secara
normal disekitar garis regresi). Bisa juga
ditambahkan Linieritas
b. Uji bahwa populasi tidak terjadi peristiwa
Heteroskedastisitas (Varians dari populasi harus
tidak berubah bila nilai X meningkat atau diperbesar
= Homoskedastisitas)
c. Tidakterjadi peristiwa Multikolineritas (khusus pada
regresi berganda, yaitu tidak boleh terjadi korelasi
yang tinggi diantara variabel bebas dalam regresi)
d. Tidak terjadi peristiwa Otokorelasi (korelasi
diantara dirinya sendiri, khusus pada regresi dengan
data time series).
2 2,00 7 6
3 1,70 5 5
4 1,50 14 12
5 1,60 15 10
6 1,20 12 15
7 1,60 6 5
8 1,40 10 12
9 1,00 15 17
10 1,10 21 20