analisis keputusan
DESCRIPTION
Analisis Keputusan. Komponen Pengambilan Keputusan. Pengambilan keputusan tanpa probabilitas Pengambilan keputusan dengan probabilitas Analisis keputusan dengan informasi tambahan Payoff tables sebagai ilustrasi hasil berbagai keputusan yang berbeda. - PowerPoint PPT PresentationTRANSCRIPT
![Page 1: Analisis Keputusan](https://reader033.vdocuments.pub/reader033/viewer/2022061610/56816648550346895dd9bfaf/html5/thumbnails/1.jpg)
Analisis Keputusan
![Page 2: Analisis Keputusan](https://reader033.vdocuments.pub/reader033/viewer/2022061610/56816648550346895dd9bfaf/html5/thumbnails/2.jpg)
Komponen Pengambilan KeputusanPengambilan keputusan tanpa probabilitasPengambilan keputusan dengan probabilitasAnalisis keputusan dengan informasi
tambahan
Payoff tables sebagai ilustrasi hasil berbagai keputusan yang berbeda
KeputusanKondisi Dasar
a b12
Hasil keputusan 1aHasil keputusan 2a
Hasil keputusan 1bHasil keputusan 2b
![Page 3: Analisis Keputusan](https://reader033.vdocuments.pub/reader033/viewer/2022061610/56816648550346895dd9bfaf/html5/thumbnails/3.jpg)
Pengambilan Keputusan Tanpa ProbabilitasContoh :
Seorang investor ingin membeli salah satu dari tiga jenis real estat. Ia harus memutuskan antara sebuah apartemen, sebuah bangunan kantor, dan sebuah gudang. Kondisi dasar di masa yang akan datang yang akan menentukan besar laba yang akan diperoleh investor tersebut adalah kondisi ekonomi yang baik dan buruk. Laba yang dihasilkan dari masing-masing keputusan dalam tiap kondisi dasar yang terjadi adalah sbb :
![Page 4: Analisis Keputusan](https://reader033.vdocuments.pub/reader033/viewer/2022061610/56816648550346895dd9bfaf/html5/thumbnails/4.jpg)
Pengambilan Keputusan Tanpa Probabilitas
Beberapa kriteria tersedia untuk pengambilan keputusan :maximax, maximin, minimax regret, Hurwicz, dan equal likelihood.
Keputusan(untuk Membeli)
Kondisi Dasar KONDISI
EKONOMI BAIKKONDISI
EKONOMI BURUKApartemenBangunan KantorGudang
$50.000100.00030.000
$30.000-40.00010.000
![Page 5: Analisis Keputusan](https://reader033.vdocuments.pub/reader033/viewer/2022061610/56816648550346895dd9bfaf/html5/thumbnails/5.jpg)
Kriteria MaximaxPengambilan keputusan dengan memilih nilai
paling maksimum dari hasil yang maksimum (0ptimis).
Walaupun laba terbesar adalah $100.000, tidak mengabaikan adanya kerugian potensial $40.000
Keputusan(untuk Membeli)
Kondisi Dasar KONDISI
EKONOMI BAIKKONDISI
EKONOMI BURUKApartemenBangunan KantorGudang
$50.000100.000
30.000
$30.000-40.00010.000
![Page 6: Analisis Keputusan](https://reader033.vdocuments.pub/reader033/viewer/2022061610/56816648550346895dd9bfaf/html5/thumbnails/6.jpg)
Kriteria MaximinPenambilan keputusan mencerminkan nilai
maksimum dai hasil minimum (pesimis)
Keputusan(untuk Membeli)
Kondisi Dasar KONDISI
EKONOMI BAIKKONDISI
EKONOMI BURUKApartemenBangunan KantorGudang
$50.000100.00030.000
$30.000-40.00010.000
![Page 7: Analisis Keputusan](https://reader033.vdocuments.pub/reader033/viewer/2022061610/56816648550346895dd9bfaf/html5/thumbnails/7.jpg)
Kriteria Minimax RegretPengambilan keputusan bermaksud menghindari penyesalan yang
timbul setelah alternatif keputusan yang meminimumkan penyesalan.
Gambaran penyesalan:
Kondisi Ekonomi yang Baik$100.000 – 50.000 = $50.000$100.000 – 100.000 = $0$100.000 – 30.000 = $70.000
Kondisi Ekonomi yang Buruk$30.000 – 30.000 = $0$30.000 – (-40.000) = $70.000$30.000 – 10.000 = $20.000
![Page 8: Analisis Keputusan](https://reader033.vdocuments.pub/reader033/viewer/2022061610/56816648550346895dd9bfaf/html5/thumbnails/8.jpg)
Kriteria Minimax RegretKeputusan
(untuk Membeli)
Kondisi Dasar KONDISI
EKONOMI BAIKKONDISI
EKONOMI BURUKApartemenBangunan KantorGudang
$50.0000
70.000
$070.00020.000
![Page 9: Analisis Keputusan](https://reader033.vdocuments.pub/reader033/viewer/2022061610/56816648550346895dd9bfaf/html5/thumbnails/9.jpg)
Kriteria HurwiczMencari kompromi antara kriteria maximax
dan maximin.Pengambilan keputusan tidak sepenuhnya
optimis atau pesimisKoefisien optimisme didefinisikan (0 ≤ α ≤
1,0)Optimisme = α Pesimisme = 1 - α
Contoh : pada kasus yang sama, diketahui α =0,4 (sedikit pesimis), maka 1 – α = 0,6
![Page 10: Analisis Keputusan](https://reader033.vdocuments.pub/reader033/viewer/2022061610/56816648550346895dd9bfaf/html5/thumbnails/10.jpg)
Kriteria Hurwicz
Kelemahan Hurwicz terletak pada penentuan nilai α yang sangat subjectif yang tidak tentu asalnya
Keputusan NilaiApartemenBangunan kantorGudang
$50.000 (0,4) + 30.000 (0,6) = $38.000$100.000 (0,4) – 40.000 (0,6) = $16.000$30.000 (0,4) + 10.000 (0,6) = $18.000
![Page 11: Analisis Keputusan](https://reader033.vdocuments.pub/reader033/viewer/2022061610/56816648550346895dd9bfaf/html5/thumbnails/11.jpg)
Kriteria Equal LikelihoodMemberikan bobot yang sama untuk setiap kondisi
dasar, jadi diasumsikan bahwa setiap kondisi dasar memiliki kemungkinan yang sama untuk terjadi.
Kelemahan EL, tidak semua mempunyai kondisi sama atau 50%.
Keputusan NilaiApartemenBangunan kantorGudang
$50.000 (0,5) + 30.000 (0,5) = $40.000$100.000 (0,5) – 40.000 (0,5) = $30.000$30.000 (0,5) + 10.000 (0,5) = $20.000
![Page 12: Analisis Keputusan](https://reader033.vdocuments.pub/reader033/viewer/2022061610/56816648550346895dd9bfaf/html5/thumbnails/12.jpg)
Kesimpulan Hasil KriteriaKriteria Keputusan
(Membeli)MaximaxMaximinMinimax regretHurwiczEqual likelihood
Bangunan kantorApartemenApartemenApartemenApartemenKeputusan membeli apartemen mendominasi
hasil kriteria di atas.
![Page 13: Analisis Keputusan](https://reader033.vdocuments.pub/reader033/viewer/2022061610/56816648550346895dd9bfaf/html5/thumbnails/13.jpg)
Pengambilan Keputusan Dengan ProbabilitasTerdapat kemungkinan bagi pengambil
keputusan untuk mengetahui kondisi dasar di masa mendatang dan bisa memberikan probabilitas kejadian untuk masing-masing kondisi dasar.
Nilai yang diperkirakan atau (Expected value –EV)
Nilai Variabel acak x disimbolkan E(x), jadi
![Page 14: Analisis Keputusan](https://reader033.vdocuments.pub/reader033/viewer/2022061610/56816648550346895dd9bfaf/html5/thumbnails/14.jpg)
Pengambilan Keputusan Dengan ProbabilitasNilai Yang DiperkirakanPeluang Rugi Yang DiperkirakanNilai Yang Diperkirakan Atas Informasi
SempurnaPohon KeputusanPohon Keputusan Berkesinambungan
![Page 15: Analisis Keputusan](https://reader033.vdocuments.pub/reader033/viewer/2022061610/56816648550346895dd9bfaf/html5/thumbnails/15.jpg)
Nilai Yang DiperkirakanContoh:
Pada kasus yang sama, diasumsikan bahwa berdasarkan beberapa ramalan ekonomi, investor dapat memperkirakan probabilitas kondisi ekonomi yang baik sebesar 0,6 dan kondisi ekonomi yang buruk sebesar 0,4, maka
Keputusan(untuk Membeli)
Kondisi Dasar KONDISI
EKONOMI BAIK0,60
KONDISI EKONOMI BURUK
0,40ApartemenBangunan KantorGudang
$50.000100.00030.000
$30.000-40.00010.000
![Page 16: Analisis Keputusan](https://reader033.vdocuments.pub/reader033/viewer/2022061610/56816648550346895dd9bfaf/html5/thumbnails/16.jpg)
ContohNilai yang diperkirakan (EV) :
Hal ini tidak berarti bahwa jika investor membeli bangunan kantor maka hasil yang diterima adalah $44.000 melainkan $100.000 atau -$40.000
EV(apartemen)EV(bangunan kantor)EV(gudang)
$50.000 (0,6) + 30.000 (0,4) = $42.000
$100.000 (0,6) – 40.000 (0,4) = $44.000$30.000 (0,6) + 10.000 (0,4) = $22.000
![Page 17: Analisis Keputusan](https://reader033.vdocuments.pub/reader033/viewer/2022061610/56816648550346895dd9bfaf/html5/thumbnails/17.jpg)
Peluang Rugi Yang DiperkirakanExpected Oportunity Loss (EOL)Mengalikan probabilitas dengan
penyesalan(peluang rugi)
Keputusan(untuk Membeli)
Kondisi Dasar KONDISI
EKONOMI BAIK0,60
KONDISI EKONOMI BURUK
0,40ApartemenBangunan KantorGudang
$50.0000
70.000
$070.00020.000
![Page 18: Analisis Keputusan](https://reader033.vdocuments.pub/reader033/viewer/2022061610/56816648550346895dd9bfaf/html5/thumbnails/18.jpg)
Contoh
Pengambilan keputusan pada kriteria ini adalah bangunan kantor karena memiliki tingkat penyesalan terendah
EOL(apartemen)EOL(bangunan kantor)EOL(gudang)
$50.000 (0,6) + 0 (0,4) = $30.000
$0 (0,6) + 70.000 (0,4) = $28.000$70.000 (0,6) + 20.000 (0,4) = $50.000
![Page 19: Analisis Keputusan](https://reader033.vdocuments.pub/reader033/viewer/2022061610/56816648550346895dd9bfaf/html5/thumbnails/19.jpg)
Nilai Yang Diperkirakan Atas Informasi SempurnaExcpected value of perfect information (EVPI)Diawali dengan melihat kondisi dasarJika kita dapat memperoleh informasi yang dapat
meyakinkan kita kondisi dasar mana yang akan terjadi, kita dapat membuat keputusan terbaik untuk kondisi dasar tersebut.
Contoh:Pada kasus yang sama jika kita yakin bahwa kondisi baik yang akan terjadi, akan kita putuskan untuk membeli kantor, jika kondisinya buruk, maka kita putuskan membeli apartemen dengan kondisi dasar 0,6 dan 0,4
![Page 20: Analisis Keputusan](https://reader033.vdocuments.pub/reader033/viewer/2022061610/56816648550346895dd9bfaf/html5/thumbnails/20.jpg)
Contoh
$100.000(0,6) + 30.000(0,4) = $72.000
Keputusan(untuk Membeli)
Kondisi Dasar KONDISI
EKONOMI BAIK0,60
KONDISI EKONOMI BURUK
0,40ApartemenBangunan KantorGudang
$50.000100.000
30.000
$30.000-40.00010.000
![Page 21: Analisis Keputusan](https://reader033.vdocuments.pub/reader033/viewer/2022061610/56816648550346895dd9bfaf/html5/thumbnails/21.jpg)
ContohIngat BahwaEV(kantor) = $100.000(0,6) – 40.000(0,4) =
$44.000EVPI = $72.000 – 44.000 = $28.000EQL(kantor) = $0(0,6) + 70.000(0,4) =
$28.000
![Page 22: Analisis Keputusan](https://reader033.vdocuments.pub/reader033/viewer/2022061610/56816648550346895dd9bfaf/html5/thumbnails/22.jpg)
Pohon KeputusanLingkaran dan kotak disebut dengan simpul
![Page 23: Analisis Keputusan](https://reader033.vdocuments.pub/reader033/viewer/2022061610/56816648550346895dd9bfaf/html5/thumbnails/23.jpg)
ContohHasil Perkiraan :
EV(simpul 2) = 0,6 ($50.000) + 0,4 ($30.000) = $42.000
EV(simpul 3) = 0,6 ($100.000) + 0,4 (-$40.000) = $44.000
EV(simpul 4) = 0,6 ($30.000) + 0,4 ($10.000) = $22.000
Dalam sekumpulan keputusan atau keputusan berkesinambungan pohon keputusan akan sangat berguna
![Page 24: Analisis Keputusan](https://reader033.vdocuments.pub/reader033/viewer/2022061610/56816648550346895dd9bfaf/html5/thumbnails/24.jpg)
Pohon Keputusan BerkesinambunganContoh
Dalam kasus yang sama, jika investasi nya mencakup periode 10 tahun, dimana selama itu beberapa keputusan harus dibuat.
Keputusan pertama : membeli apartemen atau tanahdengan kondisi populasi meningkat 60% atau tidak akan meningkat 40%.
Jika investor memilih membeli tanah keputusan lain yang dibuat dalam tiga tahun kedepan bergantung pada perkembangan tanah tsb.
![Page 25: Analisis Keputusan](https://reader033.vdocuments.pub/reader033/viewer/2022061610/56816648550346895dd9bfaf/html5/thumbnails/25.jpg)
Contoh
![Page 26: Analisis Keputusan](https://reader033.vdocuments.pub/reader033/viewer/2022061610/56816648550346895dd9bfaf/html5/thumbnails/26.jpg)
ContohPerkiraan simpul 6 dan 7
EV(simpul 6) = 0,8 ($3.000.000) + 0,2 ($700.000) = $2.540.000 EV(simpul 7) = 0,3 ($2.300.000) + 0,7 ($1.000.000) =
$1.390.000
Perkiraan simpul 2 dan 3EV(simpul 2) = 0,6 ($2.000.000) + 0,4 ($225.000) = $1.290.000EV(simpul 3) = 0,6 ($1.740.000) + 0,4 ($790.000) = $1.360.000
Keputusan setelah dikurangi biayaApartemen : $1.290.000 – 800.000 = $490.000Tanah : $1.360.000 – 200.000 = $1.160.000
![Page 27: Analisis Keputusan](https://reader033.vdocuments.pub/reader033/viewer/2022061610/56816648550346895dd9bfaf/html5/thumbnails/27.jpg)
Analisis Keputusan TambahanMenggunakan Analisis Bayesian
Contoh pada kasus yang sama, probabilitas kondisional sbb
Probabilitas prior
![Page 28: Analisis Keputusan](https://reader033.vdocuments.pub/reader033/viewer/2022061610/56816648550346895dd9bfaf/html5/thumbnails/28.jpg)
ResourceTaylor W. Bernard. 2004. Management
Science Eight Edition. Prentice Hall : New Jersey