Analisis Keputusan

Komponen Pengambilan Keputusan

Tanpa Probabilitas (Teori Permainan)
Dengan Probabilitas (Pohon Keputusan)
Tambahan Informasi (Teori Bayesian)
Komponen Pengambilan Keputusan
• Keputusan :
▫ alternatif keputusan yang tergantung dari kondisi
dasar.
• Kondisi dasar :
▫ pada saat pengambilan keputusan tidak yakin atas
kondisi dasar pada saat yang akan datang.

• Diperlukan tabel hasil pertukaran (payoff tables)

Kondisi Dasar a Kondisi Dasar b
Keputusan 1 Hasil Keputusan 1a Hasil Keputusan 1b
Keputusan 2 Hasil Keputusan 2a Hasil Keputusan 2b
Contoh 1 :
Kasus investor properti
Tabel keuntungan membangun gedung
Kondisi Dasar
Keputusan
Kondisi Ekonomi Baik Kondisi Ekonomi Buruk
Apartemen 50 30
Bangunan Kantor 100 -40
Gudang 30 10

(dalam Milyar Rupiah)

Kriteria Pengambilan Keputusan
• Maksimaks (maximax)
• Maksimin (maximin)
• Minimaks dengan penyesalan (minimax regret)
• Hurwicz
• Peluang sama besar (equally likelihood)
Kriteria Maksimaks (maximax)
Kondisi Dasar
Keputusan
Kondisi Ekonomi Baik Kondisi Ekonomi Buruk
Apartemen 50 30
Bangunan Kantor 100 -40
Gudang 30 10

• Keuntungan maksimum masing-masing alternatif keputusan

kebetulan ketiga-tiganya dalam kondisi ekonomi baik yaitu :
▫ Apartemen : Rp.50M
▫ Bangunan Kantor : Rp.100M  maksimaks
▫ Gudang : Rp.30M

• KEPUTUSAN : Membeli Kantor

Kriteria Maksimin (maximin)
Kondisi Dasar
Keputusan
Kondisi Ekonomi Baik Kondisi Ekonomi Buruk
Apartemen 50 30
Bangunan Kantor 100 -40
Gudang 30 10

• Keuntungan minimum masing-masing alternatif keputusan

kebetulan ketiga-tiganya dalam kondisi ekonomi buruk yaitu :
▫ Apartemen : Rp.30M  maksimin
▫ Bangunan Kantor : Rugi Rp.40M
▫ Gudang : Rp.30M

• KEPUTUSAN : Membeli Apartemen

Kriteria Minimaks Penyesalan
Kondisi Dasar
Keputusan
Kondisi Ekonomi Baik Kondisi Ekonomi Buruk
Apartemen 50 30
Bangunan Kantor 100 -40
Gudang 30 10
Kondisi Dasar
Keputusan
Kondisi Ekonomi Baik Kondisi Ekonomi Buruk
Apartemen 50 0
Bangunan Kantor 0 70
Gudang 70 20
• Penyesalan (regret) adalah selisih antara keuntungan maksimum terhadap
keuntungan pada kondisi dasar yang sama :
▫ Apartemen : Rp.50M  Minimaks Penyesalan
▫ Bangunan Kantor : Rp.70M
▫ Gudang : Rp.70M

• KEPUTUSAN : Membeli Apartemen.

Kriteria Hurwicz
• Kompromi antara kriteria maksimaks dan maksimin
dengan :
▫ Koefisien optimisme α , dimana 0 ≤ α ≤ 1
▫ Koefisien pesimisme = 1 - α
Keputusan Nilai dengan koefisien optimisme α = 0,4
Apartemen 50 x 0,4 + 30 x 0,6 = Rp. 36 M
Bangunan Kantor 100 x 0,4 – 40 x 0,6 = Rp. 16 M
Gudang 30 x 0,4 + 10 x 0,6 = Rp. 18 M

KEPUTUSAN : Membeli Apartemen

Kriteria Peluang Sama Besar
(Equally Likelihood Criterion / la Place)

• Bila kondisi ekonomi baik dan buruk berpeluang

sama 50% - 50% :

Keputusan Nilai
Apartemen 50 x 0,5 + 30 x 0,5 = Rp. 40 M
Bangunan Kantor 100 x 0,5 – 40 x 0,5 = Rp. 30 M
Gudang 30 x 0,5 + 10 x 0,5 = Rp. 20 M

KEPUTUSAN : Membeli Apartemen

Kesimpulan Hasil Kriteria Keputusan
Kriteria Keputusan
Maksimaks Membeli Bangunan Kantor
Maksimin Membeli Apartemen
Minimaks Penyesalan Membeli Apartemen
Hurwicz, dengan α = 0,4 Membeli Apartemen
Peluang Sama Besar Membeli Apartemen

Hampir semua kriteria menyarankan membeli apartemen

QM for Windows : Decision Analysis
 Sensitivitas Hurwicz
Hubungan α (%) dengan EV (Milyar Rp.)
120

100
α ≤ 59 %  Apartemen
EV (Milyar Rp.)

80 α ≥ 59 %  Bangunan Kantor

60

Hurwicz Value
40
Apartemen
Bangunan Kantor
20
Gudang

0
22
25
1

10
13
16
19

28

82
85
88
31

73
4
7

34
37

43

52

79
58
61

70

76

91
40

46
49

55

100
64
67

94
97
-20
α (%)
-40

-60
Pohon Keputusan (Tabel)
Pohon Keputusan (diagram)

Apartemen = 44 50 (baik)
30 (buruk)
Bangunan Kantor = 58
100 (baik)

-40 (buruk)

Gudang = 24 30 Baik)
10 (buruk)
Contoh 2 : Kasus Peralatan Kontraktor
• Kontraktor mengerjakan pekerjaan sungai akan
menempatkan peralatan berat selama 4 bulan di bantaran
sungai selama tidak digunakan. Kemungkinan terjadi banjir.
Alternatif:
▫ Memindahkan peralatan dan mengembalikan lagi saat
dibutuhkan, memerlukan biaya Rp. 18 juta.
▫ Meninggalkan peralatan dengan membuat bangunan pengaman
dengan biaya Rp. 5 juta. Bila ada banjir bandang akan rugi
Rp.600 juta
▫ Meninggalkan peralatan tanpa bangunan pengaman dengan
risiko terjadi kerusakan akibat kenaikan muka air senilai Rp. 100
juta. Bila ada banjir bandang akan rugi Rp.600 juta.
Probabilitas kejadian kenaikan muka air dalam 4 bulan 0,25.
Probabilitas terjadi banjir bandang 0,02.
Analisa dengan Expected Monetary
Value (EMV)
• Alternatif I : dipindahkan, biaya Rp. 18 juta
• Alternatif II : ditinggal dengan bangunan pengaman :
▫ Kondisi normal = 0,73 x Rp. 5 juta = Rp. 3,65 juta
▫ Kondisi air naik = 0,25 x Rp. 5 juta = Rp. 1,25 juta
▫ Kondisi banjir bandang = 0,02 x Rp. 605 juta = Rp. 12,1 juta
▫ Total = 3,65 + 1,25 + 12,10 = Rp. 17 juta
• Alternatif III : ditinggal tanpa bangunan pengaman :
▫ Kondisi normal = 0,73 x Rp. 0 juta = Rp. 0 juta
▫ Kondisi air naik = 0,25 x Rp. 100 juta = Rp. 25 juta
▫ Kondisi banjir bandang = 0,02 x Rp. 600 juta = Rp. 12 juta
▫ Total = 0 + 25 + 12 = Rp. 37 juta
Dipilih alternatif II, peralatan ditinggal tapi membangun
bangunan pengaman.
Input kasus peralatan kontraktor
Output kasus peralatan kontraktor
Diagram pohon kasus peralatan kontraktor
Contoh 3 :
Kontraktor terlambat pekerjaan
• Kontraktor mengevaluasi pekerjaannya karena
sudah terlambat 5 hari. Alternatif :
▫ Alternatif I Crash :
 Menjadi 1 hari probabilitas 0,5 rugi Rp. 24 juta
 Menjadi 2 hari probabilitas 0,3 rugi Rp. 18 juta
 Menjadi 3 hari probabilitas 0,2 rugi Rp. 12 juta
▫ Alternatif II Normal : Rugi Rp. 20 juta
• Analisa :
▫ EMV Crash = 0,5 x 24 + 0,3 x 18 + 0,2 x 12 = 12 + 5,4
+ 2,4 = Rp. 19,8 juta
▫ EMV normal = 1 x 20 = Rp. 20 juta
• Keputusan dilakukan crash.
Input kasus terlambat pekerjaan
Output kasus terlambat pekerjaan
Diagram pohon kasus terlambat pekerjaan
PENGAMBILAN KEPUTUSAN
DENGAN PROBABILITAS

• Expected Value (EV) / Nilai yang diperkirakan

n
E ( x)   xi P ( xi )
i 1

• Expected Opportunity Loss (EOL) / Peluang rugi

yang diperkirakan

• Expected Value of Perfect Information (EVPI) /

Nilai yang diperkirakan atas informasi sempurna

• Pohon Keputusan
Expected Value (EV)