BAB 3

Analisis Keputusan
Anggota Kelompok 4 :
• Annisa Salsabila 2051011029
• Muhammad Luthfi Nurkasya 2051011022
• Dwi Ayu Sularsih 2011011068
• Muhammad Abdul Jabar 2011011027
• Mas Andika Saputra 2011011035
• Rosi Tamara 2011011006
Apa itu Teori Keputusan?

Teori keputusan adalah pendekatan analitik dan sistematis untuk

mempelajari pengambilan keputusan. Dalam bab ini, kami
menyajikan model matematika yang berguna dalam membantu
manajer membuat keputusan sebaik mungkin.
 Enam Langkah dalam Pengambilan Keputu

• Definisikan masalah yang dihadapi dengan jelas.

2. Buat daftar alternatif yang mungkin.

3. Identifikasi kemungkinan hasil atau keadaan alami.

4. Buat daftar hasil (biasanya keuntungan) dari setiap kombinasi

alternatif dan hasil.

5. Pilih salah satu model teori keputusan matematis.

6. Terapkan model dan buat keputusan Anda.

 Jenis Lingkungan Pengambilan Keputusan.

Pengambilan Keputusan Di Pengambilan Keputusan Di

Bawah Kepastian Bawah Ketidakpastian

Pengambilan Keputusan Di
Bawah Resiko
 Decision Making Under Uncertainty

Ada beberapa kriteria untuk membuat keputusan dalam kondisi ketidakpastian. Yang
kami bahas di bagian ini adalah sebagai berikut:
• Optimis
• Pesimis
• Kriteria realisme (Hurwicz)
Untuk memulai, koefisien realisme, α dipilih. Ini mengukur tingkat optimisme pembuat
keputusan dan antara 0 dan 1. Rata-rata tertimbang dihitung sebagai berikut:
• Kemungkinan yang sama (Laplace)
• Penyesalan Minimax atau Minimax Regret
 Pengambilan Keputusan Di Bawah
Risiko.
Contoh :
• Nilai Moneter yang Diharapkan atau Expected
Monetary Value (EMV).

Nilai Moneter yang Diharapkan atau Expected

monetaryvalue (EMV) adalah jumlah tertimbang dari
kemungkinan hasil untuk setiap alternatif.
 Pengambilan Keputusan Di Bawah
Risiko.
2. Nilai yang Diharapkan dari Informasi Sempurna atau Expected Contoh :
Value of Perfect Information

Nilai yang diharapkan dengan informasi yang sempurna adalah pengembalian

yang diharapkan atau rata-rata, dalam jangka panjang, jika kita memiliki
informasi yang sempurna sebelum keputusan harus dibuat

EVPI adalah nilai yang diharapkan dengan informasi sempurna dikurangi nilai
yang diharapkan tanpa informasi yang sempurna (yaitu, EMV terbaik atau
maksimum). Dengan demikian, EVPI adalah peningkatan EMV yang dihasilkan
dari memiliki informasi yang sempurna.
 Pengambilan Keputusan Di Bawah
Risiko.
3. Expected Opportunity Loss atau meminimalkan kehilangan peluang yang
diharapkan (EOL)

Contoh :
Penting untuk dicatat bahwa EOL minimum akan selalu
menghasilkan keputusan yang sama dengan EMV maksimum dan
bahwa EVPI akan selalu sama dengan EOL minimum. Oleh karena
itulah EOL terbaik = 60.000

EOL (membangun pabrik besar) = (0,5)($0) + (0,5)($180.000) = $90.000

EOL (membangun pabrik kecil) = (0,5)($100.000) + (0,5)($20.000) = $60.000
EOL (tidak melakukan apapun) = (0,5)($200.000) + (0,5)($0) = $100.000
 Pengambilan Keputusan Di Bawah
Risiko.
4. Analisis Sensitivitas
Analisis sensitivitas menyelidiki bagaimana keputusan kami dapat berubah dengan adanya perubahan dalam data masalah. Di bagian ini, kami
menyelidiki dampak perubahan nilai probabilitas terhadap keputusan yang dihadapi Thompson Lumber. Pertama-tama kita mendefinisikan variabel
berikut:

Nilai P pada titik 1 dan 2 dapat dihitung sebagai berikut:

Karena hanya ada dua keadaan alami, probabilitas pasar yang tidak
menguntungkan harus 1 – P
 Pengambilan Keputusan Di Bawah
Risiko.
5. A Minimization Example a. Hurwicz Criterion, di asumsikan pengambil keputusan 70% optimis (0,7)
Contoh-contoh sebelumnya telah mengilustrasikan
bagaimana menerapkan kriteria pengambilan keputusan
ketika hasil ingin dimaksimalkan. Contoh berikut Dan untuk mesin mesin diatas akan mendapatkan hasil sebagai berikut:
mengilustrasikan bagaimana kriteria diterapkan pada
masalah di mana imbalannya adalah biaya yang harus
diminimalkan.
Keputusannya adalah memilih Mesin C berdasarkan kriteria ini karena memiliki biaya
rata-rata tertimbang terendah

b. Equally Likely Criterion :

Berdasarkan kriteria kemungkinan yang sama,
Mesin C akan dipilih karena memiliki biaya
rata-rata terendah
 Pengambilan Keputusan Di Bawah
Risiko.
c. EMV= 970

e. EOL= 45

d. EVPI
 Menggunakan Perangkat Lunak untuk
Masalah Tabel Pembayaran

1. QM untuk Windows
Untuk menggunakan QM untuk Windows untuk contoh
Thompson Lumber, pilihModul – Teori Keputusan.
Kemudian masuk Tabel Pembayaran Baru, dan sebuah
jendela muncul yang memungkinkan Anda untuk
mengatur masalah. Masukkan judul, jumlah opsi
(alternatif), dan jumlah skenario (keadaan alami), dan
tentukan apakah akan dimaksimalkan atau diminimalkan
 Menggunakan Perangkat Lunak untuk
Masalah Tabel Pembayaran

2. Excel QM
Dari pita Excel QM di Excel 2016, klik tombol Alfabetis menu dan pilih Analisis Keputusan – Tabel Keputusan. Ketika jendela
terbuka untuk memasukkan parameter masalah, Anda harus memasukkan judul, jumlah alternatif, dan jumlah keadaan alami dan
menentukan apakah akan dimaksimalkan atau diminimalkan
 Pohon Keputusan
Lima Langkah Analisis Pohon Keputusan
1. Definisikan masalahnya.
2. Menyusun atau menggambar pohon keputusan.
3. Tetapkan probabilitas ke keadaan alami.
4. Perkirakan hasil untuk setiap kemungkinan kombinasi alternatif dan keadaan alami.
5. Memecahkan masalah dengan menghitung EMV untuk setiap node state-of-nature.
Ini dilakukan dengan bekerja mundur, yaitu mulai dari kanan pohon dan bekerja
kembali ke simpul keputusan di sebelah kiri. Juga, pada setiap simpul keputusan,
alternatif dengan EMV terbaik dipilih.
Pengambilan keputusan yang mengandung resiko
bergantung pada probabilitas Pohon Keputusan Thompson
•Beberapa kondisi alami (Nature State) mungkin
terjadi, masing-masing dengan probabilitas yang telah
diasumsikan
•Jumlah total probabilitas hasruslah 1
•Metode:
Nilai Moneter yang Diharapkan (EMV)
Xi = hasil untuk alternatif dalam keadaan alami i
P(Xi) = probabilitas mencapai hasil Xi
Pohon Keputusan EMV
 EVSI mengukur nilai informasi sampel.

Yang diharapkan dengan informasi sampel (EV dengan SI) ditemukan dari
pohon keputusan, dan biaya informasi sampel ditambahkan ke ini, karena
ini dikurangi dari semua hasil sebelum EV dengan SI dihitung. Nilai yang
diharapkan tanpa informasi sampel (EV tanpa SI) kemudian dikurangkan
dari ini untuk menemukan nilai informasi sampel.
EVSI mengukur nilai informasi sampel.
di mana
EVSI =1EV dengan SI + biaya2 - 1EV tanpa SI2
EVSI = nilai yang diharapkan dari informasi sampel EV dengan SI = nilai
yang diharapkan dengan informasi sampel EV tanpa SI = nilai yang
diharapkan tanpa informasi sampel
 EFISIENSI INFORMASI SAMPEL

Mungkin ada banyak jenis informasi sampel yang tersedia bagi pengambil
keputusan. Dalam mengembangkan produk baru, informasi dapat diperoleh
dari survei, dari kelompok fokus, dari teknik riset pasar lainnya, atau dari
penggunaan pasar uji yang sebenarnya untuk melihat bagaimana penjualan
akan terjadi. Meskipun tidak satu pun dari sumber informasi ini yang
sempurna, mereka dapat dievaluasi dengan membandingkan EVSI dengan
EVPI.
Jika informasi sampel sempurna, maka efisiensinya adalah 100%. Itu efisiensi
informasi sampel adalah
Efisiensi informasi sampel = EVSI : EVPI x 100%
 Analisis Sensitivitas
Analisis sensitivitas menyelidiki bagaimana keputusan
kita dapat berubah dengan adanya perubahan dalam
data masalah.

Contoh:
Untuk mengetahui pengaruh probabilitas (P) terhadap
keputusan

Ketika EMV melakukan survei pemasaran, node 1,

sama dengan EMV tidak melakukan survei, yaitu
$40.000. Kita dapat menemukan titik indiferen dengan
menyamakan EMV (simpul 1) dengan $40.000:
k
 Bagaimana Nilai Probabilitas Diestimasi dengan
Analisis Bayesian

Pendekatan Teorema Bayes mengakui bahwa pengambil keputusan tidak mengetahui dengan pasti keadaan alamiah apa yang akan
terjadi. Hal ini memungkinkan manajer untuk merevisi penilaian probabilitas awal atau sebelumnya berdasarkan informasi baru.
Probabilitas yang direvisi disebut probabilitas posterior.

Menghitung Probabilitas yang Direvisi

empat probabilitas bersyarat berikut diketahui:
P1 pasar yang menguntungkan 1FM2hasil survei positif2 =0,78
P1 pasar yang tidak menguntungkan 1UM2hasil survei positif2 =0,22
P1 pasar yang menguntungkan 1FM2hasil survei negatif2 =0.27
P1 pasar yang tidak menguntungkan 1UM2hasil survei negatif2 =0.73
Ingatlah bahwa tanpa informasi survei pasar apa pun, perkiraan terbaik John tentang pasar yang
menguntungkan dan tidak menguntungkan adalah:
P1FM2 =0,50
P1UM2 =0,50
 Teori Utilitas
• Mengukur Utilitas dan Membangun
Kurva Utilitas
Langkah pertama dalam menggunakan teori
utilitas adalah menetapkan nilai utilitas untuk
setiap nilai moneter dalam situasi tertentu.
Lebih mudah untuk memulaipenilaian
utilitasdengan menetapkan hasil terburuk
utilitas 0 dan hasil terbaik utilitas 1.
Meskipun nilai apa pun dapat digunakan
selama utilitas
• Utilitas sebagai Kriteria Pengambilan
Keputusan
Setelah kurva utilitas ditentukan, nilai utilitas dari kurva tersebut
digunakan dalam pengambilan keputusan. Hasil atau nilai moneter diganti
dengan nilai utilitas yang sesuai, dan kemudian analisis keputusan
dilakukan seperti biasa. Utilitas yang diharapkan untuk setiap alternatif
adalah
THANK
YOU!
Any Questions?