TEORI
KEPUTUSAN
- Model nonprobabilistik
Apabila manajer tidak mempunyai estimasi yang pasti atas kemungkinan
terjadinya berbagai macam peristiwa.
- Model probabilistik
Pembuat keputusan dapat menentukan kemungkinan terjadinya berbagai
macam peristiwa.
04
Model
Keputusan
Nonprobabilistic
Dalam bagian ini akan di perlihatkan bagaimana aturan penggunaan pohon
keputusan dalam model keputusan nonprobabilistik
Dalam bagian ini akan diperlihatkan bagaimana aturan pembuatan pohon
keputusan dalam model keputusan nonprobabilistik. Aturan-aturan dalam
model probabilistik menggunakan berbagai macam kriteria sebagai berikut:
Kriteria Maximim, merupakan kriteria keputusan yang konservatif atau
pesimistis yaitu memilih keputusan yang mempunyai payoff maksimum dari
payoff yang minimum. Langkahlangkah menggunaan kriteria maksimim
dapat dinyatakan sebagai berikut:
- Langkah 1. Tentukan payoff minimum untuk setiap altiernatif keputusan
- Langkah 2. Pilih alternatif keputusan yang mempunyai payoff maksimum
dari payoff minimum langkah 1.
Dasar pemikiran (alasan) langkah 1 diasumsikan bahwa setiap alternatif
keputusan akan terjadi pada kondisi yang paling buruk. Dalam langkah 2
menunjukkan hasil maksimum yang pesimistis.
Kriteria Maximax, (maksimak) merupakan
Kriteria Minimax, (minimak) diperlukan
kriteria keputusan yang mengandung risiko
untuk menentukan keputusan apabila
atau optimistis yaitu memilih keputusan
menghadapi persoalan minimisasi atau untuk
yang mempunyai payoff maksimum tanpa
menentukan keputusan berdasarkan tabel
memperhatikan peristiwa apa yang akan
opportunity loss. Langkah-langkah
terjadi. Langkah-langkah penggunaan
penggunaan kriteria minimak adalah sebagai
kriteria maksimak dapat dinyatakan sebagai
berikut :
berikut:
Langkah 1. Tentukan opportunity loss
maksimum, untuk setiap alternative
Langkah 1. Tentukan payoff maksimum dari
keputusan Langkah 2. Pilih alternatif
setiap alternatif keputusan Langkah 2.
keputusan yang mempunyai opportunity loss
Pilih keputusan yang mempunyai payoff
terkecil dari langkah 1
terbsesar dari langkah 1
Ketentuan ini sama sekali tidak
Dalam langkah 1, diasumsikan bahwa setiap
mempertimbangkan pesimis maupun optimis.
alternatif keputusan akan terjadi pada
kondisi yang paling baik (optimistis). Dalam
langkah 2, berarti memaksimumkan hasil
yang optimis tersebut
05
Model
Keputusan
Probabilistik
Kriteria keputusan probabilistik adalah memilih alternatif Contoh 14.3 Misalkan kita memiliki payoff seperti
keputusan yang mempunyai payoff ang diharapkan (expected ditunjukkan dalam tabel berikut ini.
payoff) maksimum. Jika pengambil keputusan mendasarkan
ada expected loss, maka kriteria keputusan probabilistik
adalah memilih alternatif eputusan yang mempunyai expected s1 s2 s3
loss minimum. Keputusan yang dihasilkan dengan
memaksimumkan expected payoff sama dengan keputusan a1 200 300 260
dalam meminimum kan expected loss. Penggunaan keputusan
probabilistik dalam memaksimumkan expected payoff diatur a2 140 400 300
sebagai berikut:
Langkah 1. Hitung expected payoff untuk setiap alternatif a3 160 400 200
keputusan, dengan cara mengalikan setiap payoff alternatif
keputusan dengan probabilitas peristiwa dan kemudian
jumlahkan hasilnya.
Langkah 2. Pilih alternatif keputusan yang mempunyai Probabilitas untuk ketiga peristiwa, s1 , s2, dan s3 masing-
expected payoff maksimum keputusan seperti ini disebut masing adalah 0,2, 0,7, dan 0,1. Ketiga probabilitas tersebut,
keputusan probabilistik atau Bayes decision.
dapat pula ditulis dengan cara sebagai berikut : P(S1 ) = 0,2,
Notasi yang digunakan untuk payoff adalah (P), dan untuk P(S2 ) = 0,7 dan P(S3 ) = 0,1 di mana P menunjukkan
kerugian (loss) adalah (L). Sedangkan notasi yang digunakan probabilitas.
untuk expected payoff adalah (EP). Jika untuk alternatif a) Tentukan keputusan optimum dengan menggunakan
keputusan (a) ditulis dengan EP(a)
aturan expected payoff maksimum
b) b) Tentukan keputusan optimum dengan menggunakan
aturan expected loss minimum.
Penyelesaian contoh 14.3
a) Expected payoff jika memilih action (tindakan a1, a2, a3 ) sebagai berikut:
b) Tabel opportunity loss dapat dihitung dengan cara mengurungkan payoff setiap kolom
peristiwa (si) dengan payoff maksimum setiap kolom. Hasil perhitungan tersebut
Nampak sebagai berikut:
s1 s2 s3
EL(a1 ) = (0,2)(0) + (0,7)(100) + (0,1)(40) = 74
EL(a2 ) = (0,2)(60) + (0,7)(0) + (0,1)(0) = 12 a1 0 100 40
EL(a3 ) = (0,2)(40) + (0,7)(0) + (0,1)(100)= 18
a2 60 0 0
a3 40 0 100
Keputusan optimum untuk mencapai expected loss minimum dengan memilih a2.
06
Analisa Pohon
Keputusan
Analisa pohon keputusan (decision tree Contoh . Analisa pohon keputusan untuk
analysis) adalah suatu alat pembuatan edel menentukan keputusan optimum masalah PT
yang skematis dalam menyelesaikan masalah Berdikari Dalam Gambar 14.2 diilustrasikan
keputusan. Oleh karena itu, penggunaan
bahwa probabilitas yang digunakan ber dasarkan
analisa pohon keputusan sangat tepat apabila
proses keputusan melibatkan angkaian analisa manajer pemasaran masing-masing 0,20,
(sequential) keputusan dan berkaitan dengan 0,35, 0,30, dan 0,15. Expected payoff untuk
berbagai macam peristiwa. setiap titik kemungkinan peristiwa 2, 3, dan 4
adalah masing-masing sebesar 31,5, 36,70, dan
Dimulai dengan sebelah kanan pohon. 18,50. Oleh karena titik kemungkinan peristiwa
Tuliskan setiap payoff di ujung cabang dan 3 memiliki nilai tertinggi, maka keputusan
probabilitas dituliskan di atas setiap garis optimum PT Berdikari adalah membeli truk
cabang, kemudian hitung expected payoff ukuran sedang.
dan hasilnya tuliskan di atas setiap titik
kemungkinan peristiwa yang mungkin
terjadi. Setelah semua titik kemungkinan
peristiwa dievaluasi, tentukan alternatif
keputusan yang memiliki total nilai peristiwa
maksimum. Proses seperti ini dikerjakan
secara terus-menerus dari kanan ke kiri,
hingga sampai pada titik keputusan terakhir.
Gambar 14.2. Pohon Keputusan PT Berdikari
Model keputusan yang telah diperlihatkan dalam bagian terdahulu
maupun dalam contoh 14.5 di atas adalah model keputusan waktu
tunggal (one-time) atau tahap tunggal (single-stage). Oleh karena itu,
dalam kasus tersebut tidak mempertimbangkan bahwa pembuat
keputusan mempunyai pilihan pertama dan pilihan kedua atau kepu
tusan tahap 1 dan keputusan tahap 2 (multi-stage) atau sering juga
disebut rangkaian keputusan.
Langkah 1. Identifikasikan payoff untuk setiap peristiwa, guna mengetahui kepastian hasil yang akan terjadi.
Kemudian kalikan bobot setiap payoff dengan probabilitas yang dijumlahkan. Jumlah salam dengan (EPPI)
Langkah 2. Hitung besarnya EVPI dengan menggunakan persamaan sebagai berikut: EVPI = EPPI – (Expected
payoff maksimum).
Dari contoh kasus PT Berdikari dapat disimpulkan bahwa maksimum harga informasi yang apat dibayar oleh PT
Berdikari atas probabilitas keempat level penjualan adalah sebesar Rp18.800.000,00.
Thanks!