MATERI KULIAH

ANALISIS PENGAMBILAN KEPUTUSAN

TOPIK 5

PEMAHAMAN PROBABILITAS BAYESIN DAN

PENYUSUNAN POHON KEPUTUSAN

Erni Puspanantasari Putri, ST., M.Eng., Ph.D

Dosen Teknik Industri

Universitas 17 Agustus 1945 Surabaya
 TOPIK 5:
PEMAHAMAN PROBABILITAS BAYESIN
DAN PENYUSUNAN POHON KEPUTUSAN

Materi Pembahasan:
1. Konsep Pohon Keputusan
2. Konsep Probabilitas Bayesian
3. Contoh studi kasus Perusahaan Garmen dengan menggunakan “Konsep
Probabilitas Bayesin”
4. Menyusun Pohon Keputusan
5. Contoh Studi Kasus Pohon Keputusan
6. Tugas Studi kasus “Pemahaman Probabilitas Bayesian dan Penyusunan Pohon
Keputusan” pada Perusahaan X (MATERI ETS)
 1. Konsep Pohon Keputusan
Konsep Pohon Keputusan

Penggunaan pohon keputusan dimaksudkan untuk lebih memudahkan pihak manajer dalam melihat
keputusan yang diambil secara lebih terang dan sederhana.

Menurut Susan Welch dan John C. Comer:

Pohon keputusan sebagai diagram yang cukup sederhana yang menunjukkan suatu proses untuk
merinci masalah-masalah yang dihadapinya ke dalam komponen-komponen, kemudian dibuatkan
alternatif-alternatif pemecahan beserta konsekuensi masing-masing alternatif.

Menurut Johannes Supranto

Diagram pohon keputusan ialah suatu diagram berupa pohon bercabang-cabang yang
menggambarkan hubungan antara alternatif keputusan/tindakan dengan kejadian-kejadian tidak pasti
yang melingkupi setiap alternatif dan hasil alternatif keputusan yang dipilih.
 2. Konsep Probabilitas Bayesian
Konsep “Probabilitas Bayesian” adalah untuk menghitung kemungkinan
(probabilitas) terjadinya sebuah kejadian yang didasarkan pada pengetahuan
tentang kondisi yang mungkin berhubungan dengan kejadian tersebut.
Konsep “Probabilitas Bayesian” tujuan utamanya adalah menggambarkan
hubungan antara peluang bersyarat dari dua kejadian A dan B.
Rumus konsep “Probabilitas Bayesian” adalah sebagai berikut:
 3. Contoh studi kasus Perusahaan Garmen dengan
menggunakan “Konsep Probabilitas Bayesin”
Uraian Kondisi “Perusahaan Garmen”
Tiga tim manajemen tingkat atas pada Perusahaan Garmen sedang berdiskusi untuk
memutuskan apakah perusahaan akan mengekspor atau tidak mengekspor produk
barunya.
 Tim-1 terdiri dari 8 manager (seluruh manager memutuskan untuk ekspor).
 Tim-2 terdiri dari 10 manager (4 manager menyetujui ekspor dan 6 manager tidak
menyetujui ekspor).
 Tim-3 terdiri dari 10 manager (6 manager menyetujui ekspor dan 4 manager tidak
menyetujui ekspor).
 
Permasalahan:
 Berapakah probabilitas Perusahaan Garmen akan memutuskan “Ekspor”(bermain
bola) jika Tim-3 menyetujui ekspor tersebut dilakukan?
 Penyelesaian Permasalahan:
Langkah 1: Identifikasi data-data Perusahaan Garmen.

Tabel 1. Identifikasi Data Perusahan Garmen

Tim Alternatif Keputusan Keterangan

Ekspor Tidak Ekspor
Tim-1 8 0  
Tim-2 4 6  
Tim-3 6 4 Total “Ekspor” dan “Tidak
Ekspor”
Total 18 10 (18 + 10) = 28
Langkah 2: Aplikasikan data-data Perusahan Garmen dengan menggunakan
“Rumus Bayes”.
Rumus Teori Bayes:
P(A|B) = P(B|A) P(A)
P(B)
P(A|B) → P(Ekspor|Tim-3) = .... ?
P(A) → P(Ekspor) = 18 / 28
P(B|A) → P(Tim-3|Ekspor) = 6/18
P(B) → P(Tim-3) = 10 / 28
 
Dengan demikian:
P(Ekspor| Tim-3) = P(Tim-3| Ekspor) P(Ekspor)
P(Tim-3)
Langkah 2: Lanjutan

.
6 x 18
P(Ekspor | Tim-3) = 18 28
10
28

P(Ekspor | Tim-3) = 6 = 3 = 0,6 = 60%

10 5
Langkah 3: Buatlah kesimpulan.

Dengan demikian, probabilitas Perusahaan Garmen akan memutuskan

“Ekspor”(bermain bola) jika Tim-3 menyetujui ekspor tersebut adalah
sebesar 0,6 (60%).
4. Menyusun Pohon Keputusan

Tabel 2. Tahapan membuat suatu pohon keputusan

Tahapan Penjelasan
1. Membuat alternatif-alternatif pilihan
2. Tentukan nilai/biaya untuk setiap alternatif dan besaran peluang yang mungkin
timbul.
3. Lakukan perhitungan secara detil dengan pendekatan metode yang paling sesuai
dengan kasus yang sedang dikaji, termasuk pendekatan matematika, seperti
penggunaan NPV, expected return standard deviasi, varians, covariance, dan
sebagainya.
.

 Model pohon keputusan (PK) dibangun atas penentuan (i) alternatif

(alternative), (ii) keputusan (decision), (iii) tingkat probabilitas
(probability) dan (iv) peristiwa yang diperkirakan (state of nature).
 Setiap alternatif dan peristiwa yang diperkirakan ditetapkan untuk
memiliki hasil yang diperkirakan.
 Jika PK merupakan model kuantitatif, maka evaluasi nilai numerik
adalah hasil perkalian antara tingkat probabilitas atas suatu peristiwa
dengan nilai peristiwa nilai peristiwa yang diharapkan.
 Evaluasi numeris ini umumnya diekspresikan melalui nilai finansial.
 Nilai ini disebut juga sebagai nilai sesuai kondisi (conditional
value), yang merupakan cabang-cabang dari pohon keputusan.
 Nilai finansial ini merupakan nilai peluang yang ditetapkan oleh
pengambil keputusan.
.

Model PK memperlihatkan proses evaluasi seluruh nilai numeris

melalui tabel pertukaran/hasil/nilai (payoffs table).
 
Tabel 3. Payoffs Table
Alternatif State of Nature
Peristiwa 1 Peristiwa 2 Probabilitas
1 A X 0,1
2 B Y 0,2
3 C Z 0,3
 Expected Monetary Value (EMV)

Model Pengambilan Keputusan (PK) menghitung nilai finansial yang

diharapkan (Expected Monetary Value, EMV) untuk setiap alternatif.

EMV untuk sebuah alternatif merupakan totalitas dari seluruh payoffs

yang memungkinkan dari sejumlah alternatif yang memungkinkan.

Rumus EMV:

EMV = (payoffs peristiwa) x (probabilitas peristiwa)

 Expected Monetary Value (EMV) – Lanjutan!!!
Tabel 4
Perhitungan Expected Monetary Value (EMV)

Alternatif Peristiwa 1 Peristiwa 2 Probabilitas EMV

1 A X 0,1 (A x 0,1) + (X x 0,1)
2 B Y 0,2 (B x 0,1) + (Y x 0,2)
3 C Z 0,3 (C x 0,1) + (Z x 0,3)
 Expected Value of Perfect Information (EVPI)
Nilai EMV ini akan bermanfaat dalam menentukan nilai perkiraan atas informasi
yang sempurna (Expected Value of Perfect Information, EVPI)

EVUC = {(hasil terbaik atau konsekuensi atas peristiwa 1) x (probabilitas

peristiwa 1)} + ... + {(hasil terbaik atau konsekuensi atas peristiwa n) x
(probabilitas peristiwa n)}

Rumus: EVPI = EVUC – Maximum EMV

EVPI = expected value of perfect information

EVUC = expected value under certainty
EMV = expected monetary value
n = jumlah dari alternatif peristiwa yang ditetapkan dalam pengambilan
keputusan.
5. Contoh Studi Kasus Pengambilan Keputusan dengan menggunakan Pohon
Keputusan

Uraian Kondisi Perusahaan

Perusahaan x sedang melihat peluang untuk memproduksi dan
memasarkan produk z.

Ada dua jenis kondisi pilihan untuk membangun pabrik manufaktur, yaitu:
(i) Membangun pabrik manufaktur yang besar atau
(ii)Membangun pabrik manufaktur yang kecil.

Kategori pasar untuk produk z, yaitu

(i) Pasar menerima (kondisi baik) dan (ii) Pasar meenolak (kondisi buruk).
 Uraian Kondisi Perusahaan (Lanjutan)
Komponen-komponen biaya/nilai untuk memproduksi dan memasarkan produk z adalah sebagai
berikut:
(i) Jika kondisi baik (pasar menerima), keuntungan yang diperoleh pabrik besar ($200) dan pabrik
kecil ($100).
(ii) Jika kondisi buruk (pasar menolak), kerugian yang diperoleh pabrik besar sebesar ($180) dan
pabrik kecil ($20).
(iii)Disisi lain, perusahaan x juga mempertimbangkan untuk tidak memproduksi produk x sama
sekali.
 
Probabilitas untuk pabrik besar, pabrik kecil dan tidak produksi masing-masing memiliki
probabilitas sama yaitu sebesar 0,5.

Sebuah konsultan manajemen menawarkan informasi seharga $125 untuk peristiwa pasar menerima.
 
 Permasalahan:
Tabel 5.1. Permasalahan pada Perusahaan X
 
Tahapan Penjelasan
1. Buatlah tabel payoffs dan hitunglah nilai Expected Monetary Value (EMV).
2. Buatlah “Diagram Pohon Keputusan”.
3. Hitunglah nilai Expected Value Under Certainty (EVUC).
4. Hitunglah nilai Expected Value of Perfect Information (EVPI).
5. Buatlah analisa keputusan “Apakah perusahaan akan membeli informasi dari
konsultan manajemen atau tidak”.
 Penyelesaian Permasalahan:
Tabel 5.2. Tahapan Penyelesaian Permasalahan 

Tahapan Penjelasan
1. Tabel payoffs dan hasil perhitungan Expected Monetary Value (EMV)
2. Diagram Pohon Keputusan
3. Perhitungan nilai Expected Value Under Certainty (EVUC)
4. Perhitungan nilai Expected Value of Perfect Information (EVPI)
5. Analisa keputusan perusahaan “Apakah akan membeli informasi dari konsultan
manajemen atau tidak”
 1. Tabel payoffs dan hasil perhitungan Expected Monetary Value (EMV)
Tabel 5.3 Payoffs dan hasil EMV pada Perusahaan x
Alternatif Komponen Biaya Probabilitas EMV Keterangan
Pasar menerima Pasar meenolak
(kondisi baik) (kondisi buruk)
($) ($)
Pabrik Besar 200 -180 0,50 10  
Pabrik Kecil 100 -20 0,50 40 EMV terbesar
Tidak Produksi 0 0 0,50 0  
EVUC 150        

Rumus EMV: EMV = (payoffs peristiwa) x (probabilitas peristiwa)

EMV “Pabrik Besar” = (200 x 0,50) + (-180 x 0,50) = 10

EMV “Pabrik Kecil” = .....................
EMV “Tidak Produksi” = .....................

Nilai maksimum Expected Monetary Value (EVM) didapat dari keputusan membangun “Pabrik
Kecil” sebesar 40.

 
 2. Diagram Pohon Keputusan
1. Diagram Pohon Keputusan

200
.

10
Bangun pabrik besar -180

100
Bangun pabrik kecil
40

-20

Tidak bangun pabrik 0 0

Gambar 1. Diagram Pohon Keputusan untuk Produk Z

Simbol-simbol untuk membuat “Diagram Pohon Keputusan”

= titik keputusan

= titik kemungkinan peristiwa

 3. Perhitungan nilai Expected Value Under Certainty (EVUC)

Nilai untuk peristiwa pasar menerima adalah 200, 100 dan 0 dengan tingkat
probabilitas sebesar 0,50.
 
EVUC = {(hasil terbaik atau konsekuensi atas peristiwa 1) x (probabilitas peristiwa 1)} + ...
+ {(hasil terbaik atau konsekuensi atas peristiwa n) x (probabilitas peristiwa n)}
     
  = {(200) x (0,50)} + {(100) x (0,50)} + {(0) x (0,50)}
  = 150
 4. Perhitungan nilai Expected Value of Perfect Information (EVPI)
Nilai maksimum Expected Monetary Value (EVM) didapat dari keputusan
membangun “Pabrik Kecil” sebesar 40.
Nilai Expected Value Under Certainty (EVUC) = 150
 
Nilai Expected Value of Perfect Information (EVPI) adalah sebagai berikut:

  EVPI = EVUC – Maximum EMV

     
  = 150 - 40
  = 110
 5. Analisa keputusan perusahaan “Apakah perusahaan akan membeli
informasi dari konsultan manajemen atau tidak”.

Nilai Expected Value of Perfect Information (EVPI) perusahaan sebesar $110.

Nilai EVPI tersebut lebih kecil dibandingkan harga penawaran pihak luar sebesar
$125.
Perusahaan menilai bahwa harga yang ditawarkan pihak luar ($125) lebih mahal
dari nilai EVPI perusahaan ($110).
Dengan demikian, perusahaan memutuskan untuk tidak membeli informasi dari
konsultan manajemen.
QUESTIONS & ANSWERS