BAB 14

TEORI
KEPUTUSAN

Olviana Eklesya Pone’ea

Buku OR
20061102268
oleh Zulian
Manajemen Kuantitatif Dalam Bisnis (OR)
Yamit, M.Si
Dr. Magdalena Wullur, SE., MM
Edisi
Pertama
 Pokok Pembahasan
01 Pendahuluan

02 Kerangka Dasar Model Keputusan

03 Klasifikasi Model Keputusan

04 Model Keputusan Nonprobabilistic

05 Model Keputusan Probabilistic

06 Analisa Pohon Keputusan

07 Kriteria Keputusan Nilai yang Diharapkan

 01
Pendahaluan
Dalam kehidupan sehari-hari, setiap
organisasi ataupun individu akan
hadapi masalah pengambilan
keputusan. Sebagai contoh, sebuah
perusahaan dalam merumuskan
strategi advertensi tidak hanya
menghadapi ketidakpastian pesaing,
tetapi juga menghadapi
ketidakpastian permintaan pasar
produk yang bersangkutan.
Keputusan yang dibuat biasanya
masih berkisar penentuan harga,
pemilihan sigmen pasar, pemilihan
media advertensi, dan anggaran
biaya advertensi. Sebelum keputusan
tersebut dibuat, beberapa perusahaan
kebanyakan memutuskan terlebih
dahulu kapasitas produksi, jenis
mesin yang akan digunakan, apakah
perusahaan akan memproduksi
dalam sekala yang besar atau kecil,
apakah perusahaan akan memulai
dengan jumlah produksi yang besar
dan lain sebagainya.
 02
Kerangka Dasar
Model
Keputusan
Dalam menghadapi suatu situasi pengambilan Tabel Payoff
keputusan, terdapat dua komponen yang perlu
diidentifikasikan terhadap masalah tersebut yaitu: Payoff adalah sekumpulan hasil (benefits) yang
diperoleh atau biaya, jika keputusan benarbenar
- Alternatif keputusan dilaksanakan dan peristiwa betul-betul terjadi.
Informasi tentang payoff ini disusun ke dalam
Membuat daftar kemungkinan tindakan yang sebuah tabel yang disebut tabel payoff. Perlu dicatat
harus dilakukan. Hal ini dilakukan dengan bahwa payoff tersebut ditentukan secara bersama
menggunakan istilah “tindakan”, “keputusan”. oleh tindakan dan peristiwa.
Dan “alternatif keputusan”.
Tabel 14.1 contoh tabel payoff
-Peristiwa (events) Alteratif keputusan Peristiwa
(tindakan)
e1 e2 e3
Membuat daftar semua kemungkinan peristiwa
setelah pengambilan keputusan. Dalam daftar a1 r11 r12 r13
tersebut, termasuk semua kemungkinan yang a2 r21 r22 r23
relevan atas situasi, maupun peristiwa yang a3 r31 r32 r33
a4 r41 r42 r43
bersifat mutually exclusive.
Pohon Keputusan

Disebut pohon keputusan karena jika digambarkan

mirip seperti pohon yang memiliki cabang dan
ranting. Pohon keputusan sangat bermanfaat dalam
menyelesaikan p salah keputusan bila proses
keputusan melibatkan serangkaian keputusan
berkaitan dengan peristiwa. Dalam pohon keputusan
terdapat dua tipe simbul yang digunakan yaitu: titik
keputusan dan titik peristiwa. Titik keputusan
menggambar. Kan alternatif keputusan sedangkan
titik peristiwa menunjukkan berbagai macam Gambar 14.1 Pohon keputusan PT
peristiwa yang mungkin terjadi setelah keputusan Berdikari
dibuat. Dalam grafik pohon keputusan, kotak segi-
empat menunjukkan titik keputusan dan lingkaran
menunjukkan titik peristiwa.
it le. P52
Book T
Beberapa keuntungan yang
diperoleh dari metode pohon
keputusan ini adalah:
1. Sebagai alat intuisi dalam
meninjau masalah
2. Sangat cocok dengan
pekerjaan
3. Sebagai kekuatan Analisa
dalam memikirkan
penyelesaian masalah
Sedangkan kelemahan dari
metode pohon keputusan
adalah kemungkinan
menghasilkan pohon keputusan
yang besar untuk masalah
keputusan yang lebih
kompleks.
 03
Klasifikasi
Model
Keputusan
Klasifikasi model keputusan sangat berguna
bagi manajemen dalam menentukan derajat
informasi dari berbagai macam kemungkinan
peristiwa. Ketepatan informasi yang diterima
oleh manajer pada hakikatnya dapat
diklasifikasikan dalam dua kategori yaitu :
• Model keputusan dalam keadaan kepastian
(under certainty).
• Model keputusan dalam keadaan
ketidakpastian under uncertainty).
Model keputusan dalam keadaan kepastian
adalah semua informasi yang diperlukan dalam
pengambilan keputusan dianggap pasti dan
semua rangkaian keputusan mempunyai hasil
(payoff) tertentu.
Model keputusan dalam keadaan
ketidakpastian adalah pembuat keputusan
tidak mengetahui secara pasti peristiwa yang
akan terjadi. Model keputusan yang termasuk
dalam ketidakpastian ini dapat dibedakan ke
dalam dua tipe yaitu probabilistik dan
nonprobabilistik, kedua tipe tersebut
didefinisikan sebagai berikut:
1. Model nonprobabilistik, adalah terjadi
apabila manajer tidak mempunyai estimasi
yang pasti atas kemungkinan terjadinya
berbagai macam peristiwa.
2. Model probabilistic, adalah pembuat
keputusan dapat menentukan kemungkinan
terjadinya berbagai macam peristiwa.
Model keputusan dalam keadaan ketidakpastian adalah pembuat keputusan
tidak mengetahui secara pasti peristiwa yang akan terjadi. Model
keputusan yang termasuk dalam ketidakpastian ini dapat dibedakan ke
dalam dua tipe yaitu probabilistic dan nonprobabilistic, kedua tipe tersebut
didefinisikan sebagai berikut :

- 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:

ER(a1 ) = (0,2)(200) + (0,7)(300) + (0,1)(260) = (276)

ER(a2 ) = (0,2)(140) + (0,7)(400) + (0,1)(300) = (338)
ER(a3 ) = (0,2)(160) + (0,7)(400) + (0,1)(200) = (332)
Expected payoff maksimum terletak a2 . Oleh karena itu keputusan optimum adalah
memilih a2.

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.

Masalah rangkaian keputusan (sequential decision problem) adalah

apabila dalam tahap pertama pembuat keputusan (decision maker) harus
memilih alternatif keputusan; kemudian berdasarkan keputusan tersebut,
terjadi lagi pemilihan keputusan yang lain. Oleh karena itu, waktu yang
diperlukan pengambil keputusan untuk membuat rangkaian keputusan
menjadi lebih lama, dan harus mempelajari hasil keputusan tahap
pertama. Kriteria yang digunakan untuk membuat keputusan optimum
adalah memaksimumkan expected payoff.
 07
Kriteria
Keputusan Nilai
Yang Diharapkan
Dalam masalah keputusan probabilistik, decision maker telah mempunyai sumber
informasi yang sempurna (perfect information) terhadap segala peristiwa yang
akan terjadi. Nilai yang diharapkan (expected value) dari informasi seperti itu
dikatakan sebagai nilai yang diharapkan atas informasi yang sempurna (expected
value of perfect information) yang disingkat dengan EVPI.

Kriteria keputusan berdasarkan nilai yang diharapkan adalah memilih keputusan

berdasarkan payoff maksimum atau berdasarkan biaya ataupun kerugian
minimum. Secara matematis, sxpected payoff perfect information (EPPI) dapat
ditulis dalam persamaan sebagai berikut:

EPPI = (Payoff maksimum peristiwa i)P(i)

 Contoh kasus 14.7 EVPI PT Berdikari
Marketing manajer mengestimasikan probabilitas untuk keempat level penjualan sebagai berikut: 0,20, 0,35, 0,30, dan
0,15. Informasi tentang probabilitas di atas, diperoleh berdasarkan sumber informasi yang sempurna. Jika penjualan
masuk dalam level 1, maka alternatif keputusan yang terbaik adalah membeli truk ukuran kecil dan akan memperoleh
keuntungan Rp40.000.000,00. Jika penjualan masuk dalam level 2,3, atau 4, alternatif keputusan terbaik akan
memberikan keuntungan masing-masing sebesar Rp50.000.000,00, Rp60.000.000,00, dan Rp80.000.000,00. Dengan
demikian expected profit berdasarkan sumber informasi sempurna adalah sebagai berikut: (0,20)(40) + (0,35)(50) +
(0,30)(60) + (0,15)(80) = Rp55,5 atau Rp55.500.000,00. Sedangkan keputusan terbaik tanpa perfect information
menghasilkan expected profit sebesar Rp36.700.000,00. Dari kedua nilai expected profit tersebut, dapat dihitung
EVPI(expected value of perfect information) sebagai berikut: EVPI = Rp55.500.000,00 – Rp36.700.000,00 =
Rp18.800.000,00 Secara umum langkah perhitungan dapat dilakukan sebagai berikut

 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!