SAINS MANAJEMEN

ANALISIS KEPUTUSAN

ARDINA ANGGIE CHRISTANTIE, S.KOM

TEKNIK INFORMATIKA
UNIVERSITAS BHAYANBKARA 2019
ANALISIS KEPUTUSAN

 Membantu pengambil keputusan untuk menentukan keputusan tersebut sudah tepat atau belum dengan
mempertimbangkan dampak-dampak keputusan tersebut di masa depan.
KOMPONEN PENGAMBILAN KEPUTUSAN

 Keputusan (Decision)
Alternatif keputusan yang tergantung dari kondisi dasar.
 Kondisi dasar (State of Nature)
Kondisi yang akan mempengaruhi keputusan tersebut di masa depan.

 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
KRITERIA PENGAMBILAN KEPUTUSAN

Maximax Criterion

Maximin Criterion

Minimax Regret Criterion

Hurwicz Criterion

Equal Likelihood Criterion / La Place

MAXIMAX CRITERION

Kondisi Dasar
Keputusan
Kondisi Ekonomi Baik Kondisi Ekonomi Buruk
Apartemen 50.000 30.000
Bangunan Kantor 100.000 -40.000

Gudang 30.000 10.000

 Pada Maximax Criterion hanya akan mempertimbangkan profit terbesar tanpa

memperhitungkan loss.

 KEPUTUSAN : Membeli Kantor

MAXIMIN CRITERION

Kondisi Dasar
Keputusan
Kondisi Ekonomi Baik Kondisi Ekonomi Buruk
Apartemen 50.000 30.000
Bangunan Kantor 100.000 -40.000
Gudang 30.000 10.000

 Pada Maximin Criterion hanya akan mempertimbangkan profit tertinggi dari kondisi
dasar yang paling buruk.

 KEPUTUSAN : Membeli Kantor

MINIMAX REGRET CRITERION

Kondisi Dasar
Keputusan
Kondisi Ekonomi Baik Kondisi Ekonomi Buruk  Minimax Regret Criterion
Apartemen 50.000 30.000 adalah selisih antara
keuntungan maksimum
Bangunan Kantor 100.000 -40.000 terhadap keuntungan pada
Gudang 30.000 10.000 kondisi dasar yang sama

Kondisi Dasar
Keputusan  KEPUTUSAN : Membeli
Kondisi Ekonomi Baik Kondisi Ekonomi Buruk Apartemen.
Apartemen 50.000 0
Bangunan Kantor 0 70.000
Gudang 70.000 20.000
HURWICZ CRITERION

 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 50.000(0,4) + 30.000(0,6) = 36.000
Bangunan Kantor 100.000(0,4) – 40.000(0,6) = 16.000
Gudang 30.000(0,4) + 10.000(0,6) = 18.000

KEPUTUSAN : Membeli Apartemen

EQUAL LIKELIHOOD CRITERION / LA PLACE

 Bila kondisi ekonomi baik dan buruk berpeluang sama 50% - 50% :

Keputusan Nilai
Apartemen 50.000(0,5) + 30.000(0,5) = 40.000
Bangunan Kantor 100.000(0,5) – 40.000(0,5) = 30.000
Gudang 30.000(0,5) + 10.000(0,5) = 20.000

KEPUTUSAN : Membeli Apartemen

PENGAMBILAN KEPUTUSAN
DENGAN PROBABILITAS

Expected Value (EV) / Nilai yang diperkirakan

Expected Opportunity Loss (EOL) / Peluang rugi yang diperkiraka

Expected Value of Perfect Information (EVPI) / Nilai yang diperkirakan atas informasi sempurna

Pohon Keputusan
EXPECTED VALUE (EV)

 Expected Value didapatkan dengan mengkalikan hasil dari tiap keputusan dengan angka probabilitas
n
E ( x)   xi P ( xi )
i 1

 Contoh Kasus

Kondisi Dasar
Keputusan
Kondisi Ekonomi Baik (.60) Kondisi Ekonomi Buruk (0.4)
Apartemen 50.000 30.000
Bangunan Kantor 100.000 -40.000
Gudang 30.000 10.000
 Penyelesaian :
EV(apartemen) = 50,000(.60) + 30,000(.40) = 42,000
EV(bangunan kantor) = 100,000(.60) – 40,000(.40) = 44,000
EV(gudang) = 30,000(.60) + 10,000(.40) = 22,000
EXPECTED OPPORTUNITY LOSS (EOL)
 Dihitung berdasarkan hasil perhitungan Minimax Regret Criterion dan dikalikan dengan angka probabilitas.
 Hasil perhitungan Minimax Regret Criterion pada kasus :

Kondisi Dasar
Keputusan
Kondisi Ekonomi Baik (.60) Kondisi Ekonomi Buruk (0.4)

Apartemen 50.000 0

Bangunan Kantor 0 70.000

Gudang 70.000 20.000

 Penyelesaian :
EOL(apartemen) = 50,000(.60) + 0(.40) = 30,000
EOL(bangunan kantor) = 0(.60) + 70,000(.40) = 28,000
EOL(gudang) = 70,000(.60) + 20,000(.40) = 50,000
EXPECTED VALUE OF PERFECT INFORMATION (EVPI)

 Jumlah maksimum yang akan dibayarkan oleh pembuat keputusan untuk memperoleh informasi tambahan yang
berpotensi untuk memaksilkan keuntungan

Kondisi Dasar
Keputusan
Kondisi Ekonomi Baik (.60) Kondisi Ekonomi Buruk (0.4)
Apartemen 50.000 30.000
Bangunan Kantor 100.000 -40.000
Gudang 30.000 10.000

100,000(.60) + 30,000(.40) = 72,00

EV(office) = +100,000(.60) - 40,000(.40) = 44,000
EVPI = +72,000 - 44,000 = 28,000
DECISION TREE

 Sebuah diagram yang terdiri atas kotak keputusan, probabilitas noda, dan cabang yang merepresentasikan
alternative keputusan