Pngambilan keputusan

kuantitatif
Pengambilan keputusan kuantitatif
• Merupakan model matematika,adalah
serangkaian asumsi yang tepat yang dinyatakan
dalam serangkaian hubungan matematis yang
pasti.
• Teknik kuantitatif:
• 1.linier programing 5. model inventori
• 2.model transportasi 6.model antrian
• 3.penugasan 7.model network
• 4.probabilitas8. model game
 Teknik dan situasi keputusan
No Situasi keputusan Pemecahan Teknik
1 Ada kepastian Deterministik 1.Linier programing
2.Model transportasi
3.Model penugasan
4.Model inventoori
5.Model antrian
6.Model network
2 Ada resiko Probabilistik Model probabilitas
3. Tidak ada kepastian Tidak diketahui Analisis keputusan dalam
kepastiannya ketidak pastian
4. Ada konflik Tergantung tindakann lawan Teori permainan/game
 1. Teknik linier programing
1. William N Dunn mengatakan linier programing
merupakan penyajian teoritis secara sederhana
mengenai hubungan antara dua atau lebih variabel
bebas dengan satu variabel tergantung
2. Susan Welch, mengatakan LP merupakan teknik
untuk menghitung kombinasi optimum dari sumber-
sumber tertentu agar tujuan tercapai secara
maksimal
3. Teknik program linier menggambarkan adanya
hubungan linier dalam model matematika. Langkah –
langkah yang telah ditetapkan disebut program
 Tahap linier programing

1. Masalah harus dapat diidentifikasikan

sebagai sesuatu yang diselesaikan dengan
program linier
2. Masalah yang tidak terukur harus dapat
dirumuskan dalam model
matematika,sehingga menjadi terstrukttur
3. Model harus diselesaikan dengan teknik
matematika yang telah dibuat
 Contoh soal program linier
1. Perusahaan barang tembikar memproduksi dua
jenis barang setiap hari yaitu mangkok dan
cangkir,perusahaan mempunyai sumberdaya
terbatas yaitu tenagakerja dan tanah liat. Dengan
keterbatasan sumberdaya perusahaan ingin
mengetahui berapa jumlah mangkok dan cangkir
yang dapat diproduksi untuk memaksimalkan laba
Keputusan yang dihadapi manajemen perusahaan
adalah berapa banyak mangkok dan cangkir yang harus
diproduksi setiap hari agar laba bisa maksimal?
 contoh dan perhitungan

Kebutuhan Sumber Daya

tenagakerja, tanahliat pon laba/unit
jam/unit /unit
Mangkok 1 4 4
Cangkir 2 3 5

• Tersedia 40jam tenaga dan 120 pon tanahliat tiap hari

• Jumlah barang yang diproduksi : x1=jumlah mangkok; x2=jumlah
cangkir
• Laba maksimum : Z=4x1+5x2 dimana
Z: total laba tiap hari
4x1: laba dari mangkok
5x2 : laba dari cangkir
Batasan tenaga kerja : 1X1 + 2x2≤40
Batasantanah liat : 4x1 +3x2 ≤120
(tentukan kemungkinan x1 dan x2,sehingga laba
maksimum)
Jika x1=5,dan x2=10 hitung labanya bisakah maksimum
Sebagai salah satu kemungkinan pemecahan x1=5 dan
x2= 10 ,sehingga : 1x1 +2x2 ≤40 1(5) + 2(10) ≤40
4x1 + 3x2 ≤ 120 4(5) + 3(10) ≤120
Laba maks Z = 4x1 + 5x2 4(5) +5(10) =70 apakah
70 merupakan laba maksimum?
 Contoh meminumkan biaya produksi
• Perusahaan kemasan daging Moore memproduksi hot dog
dengan bath 1000pon. Campuran terdiri dari tiga unsur
ayam, daging,dan sereal. Harga masing-masing unsur
adalah :ayam$3; daging $5, dan sereal $2
• Harus terdiri
paling sedikit 200 pon ayam
paling sedikit 400 pon daging
paling sedikit 300 pon sereal

• Perusahaan ingin mengetahui pencampuran optimal dari

unsur-unsur yang dapat meminumkan biaya?

•
• Langkah 1 Mengenali variabel keputusan,
• X1= pon ayam
• X2= pon daging
• X3 = pon sereal
Langkah 2 memformulasikan fungsi
Meminumkan Z Z =$ 3x1 + $5x2+$2x3
Z:adalah cost per 1000 pon bath
3x1 =biaya ayam
5x2 = biaya daging
2x3 = biaya sereal
Langkah 3 menetapkan batasan model
• Batasan masalah ini terdapat pada resep dan fakta bahwa
setiap bath harus berisi 1000 pon campuran,maka
• x1 +x2 +x3 = 1000 pon
• x1 ≥ 200 pon ayam
• X2 ≥ 400pon daging
• X 3 ≥ 300 pon sereal
• Dan x1, x2, x3, ≥ 0
• Meminumkan Z = 3x1 +5x2+ 2x3
• Terbatas pada x1 + x2 + x3= 1000
• Dimana x1≥ 200, x2 ≥400, x3 ≥ 300
• x1, x2, x, ≥ 0

• Silahkan anda hitung!!!

 2. TEKNIK PROBABILITAS
• Probabilitas merupakan tekknik pengambilan
keputusan dalam keadaan ketidakpastian dimana
informasi tidak lengkap atau data hanya perkiraan
saja.
• Konsep Probabilitas atau kemungkinan digunakan
untuk mengukur ketidakpastian
• Probabilitas ada dua jenis yaitu probabilitas obyek dan
subyek
• Mutually exclusive:jika hanya satu kejadian yang
terjadi pada waktu tertentu,contoh lempar coint
uang,yang muncul hanya satu, gambar atau tulisan.
 Probabilitas obyek
• Probabilitas obyektif digunakan sebagai dasar analisis
frekuensi relatif. Untuk memperoleh probabilit as obyektif
dibutuhkan suatu situasi dimana percobaan dilakukan
berulang - ulang . Contoh pengambilan keputusan pada
suatu situasi yang belum pasti, atau belum pernah terjadi
misal keberhasilan produk baru, apakah nasabah peminjam
kredit akan mengembalikan tepat waktu.
• Wasit melempar mata uang untuk memulai tendangan
pertama pada kedua kesebelasan. Masing-masing mempunyai
kesempatan sama 50%. Dalam hal ini 0,50 untuk lemparan
gambar atau 0,50 angka.
• Jenis Probabilitas obyektif adalah klasik atau a priori
• probabilitas a priori karena kita menentukan probabilitas
sebelumkejadian aktivitas.
• Contoh probabilita: 4 kartu bergambar ace dari total 52 kartu
 Probabilitas subyektif
• Prob subyektif adalah estimasi yang tidak berdasarkan
bukti yang lalu. Contoh ramalan cuaca yang
menyatakan bahwa 60% besok akan hujan. Probabilitas
60 biasanya berdasarkan pengalaman dan analisis ahli
terhadap kondisi udara
• Probabilitas berdasarkan tingkat keyakinan seseorang
terhadap suatu kejadian yang tak pasti dan didasarkan
pada pengalaman dan informasi yang dimiliki
seseorang
• Probabilitas subyektif didasarkan pandangan subyektif
 Rumus probabilitas
• Rumus
 
• P(A
)
• P(A
)
 Lanjutan rumus
• P(AB)=P(A) P(B) (A dan Bbebas/independen)
• P(AB)=P(A)P(B/A)jika A dan B takbebas
/dependen
• P(A/B):dibaca probabilitas kejadian A terjadi
dengan syarat kejadian B terjadi
• P(B/A):dibaca probabilitas kejadian B terjadi
dengan syarat kejadian A terjadi
• P(A/B)= P(AB)/P(B)
• P(B/A)=P(AB)/P(A)
 contoh
• P(A) = 0,99 artinya probabilitas bahwa kejadian A akan
terjadi 99%.probabilitas tidak akan terjadi = (100-99)% = 1%
• P (A) = banyaknya elemen subset yang membentuk A
:seluruh elemen dalam set.
• Contoh melempar dadu
• A={e2,e4,e6} kejadian mendapatkan angka genap
• S = {e1,e2,e3,e4,e5,e6} ada 6 elemen
• P(A)= 3/6=0,50, artinya akan diperoleh mata dadu genap
50%
• P(B)=P {e5,e6} kejadian untuk mendapat angka 5 dan 6
• P (B) = 2/6 = 0,33%
 lanjutan
• P(A)=P(e2)+P(e4)+P(e6) = ⅙ + ⅙ + ⅙ = 3/6=1/2
• P(B)=P(e5)+P(e6)= ⅙ + ⅙ = 2/6 = 1/3
• P(AB) = P(e) = 1/6

• CONTOH SOAL
Dari 100 orang mahasiswaFE yang mengikuti matakuliah pengambilan
keputusan , ada 20 orang mendapat nilai A,30 orang mendapat nilai B, 30 orang
mendapat nilai C, dan 20 orang mendapat nilai D. dari 100 orang ada 65yang
lunas uang kuliahnya (=L), dan 35 orang belum lunas uang kuliah (=L_)
a. Berapakah probabilitas bahwa mahasiswa yang sudah lunas uang kuliahnya
dan mendapat nilai B. atau berapa prob mahasiswa dapat nilai B dengan
bersyarat lunas(L)
b. berapa probabilitas mahasiwa dapat nilai C , belum lunas uang kuliahnya
(L_) atau berapa probabilitasyang belum lunas dengan syarat dapat nilai
C
 Nilai Lunas (L) Belum lunas jumlah
(L_)
A 20 0 20
B 15 15 30
C 25 5 30
D 5 15 20
65 (L) 35 (L_) 100

• Untuk menjawab pertanyaan

a. P (B/L) =P (BL)/P(L)
P(BL) =15/100
P (L) = 65/100
P(B/L) = 15/100
______= 15/65 =3/13 =0,23
65/100
 Jawab soal
• Padahal P(B)=30/100 =0,30
• Untuk menjawab pertanyaan b
• P(L_/C) =P (L_C)/P(C)
• P(L_C) =5/100
• P(C) =30/100
• P(L_/C) = 5/100
• _______ = 5/30 =1/6
30/100
Padahal P(C) = 30/100 =0,3