Isnain ArdiansyahIsnain Ardiansyah

Teknik Industri Unirversitas PGRI Ronggolawe Tuban

Mengapa Keputusan Sulit Dibuat?1. Kompleksitas

Problem disusun dalam struktur yang dapat dianalisis

2. Uncertainty

Mengidentifikasi sumber ketidakpastian dan mengkuantifikasinyamengkuantifikasinya

3. Multiple objectives

Menyediakan kerangka dan tool khusus untuk menangani banyak tujuan

4. Perbedaan perspektif

Perbedaan perspektif dapat menyebabkan perbedaan kesimpulan

Mengapa belajar Analisis Keputusan?

� Decision Analysis lead to better decisions

� A good decision

Looking back in the past, one can say that one would have made the same decision given the information at the time of the decision

� Terdapat kerancuan antara lucky outcome dan good decision

You can make a good decision but still have an lucky outcome

(Catatan: meskipun analisis keputusan tidak dapat meningkatkan lucky, tetapi dapat membantu untuk memahami lebih baik permasalahan yang dihadapai dan membuat keputusan yang lebih baik)

Definisi Analisis Keputusan� Keeney and Raiffa, 1976

“Prescriptive approach designed for normally intelligent people who want to think hard and systematically about some important real problems”some important real problems”

� A decision analysis is an information source

� A decision analysis should not replace a decision maker but should support him

� A decision analysis not only provide solution, but also provide insight to:

- Situation - Objectives

- Uncertainty - Trade off

Mengapa Analisis Keputusan diperlukan?

� Secara psikologis manusia pada umumnya tidak memproses informasi dan membuat keputusan dengan cara yang tidak konsisten

� Membantu memahami permasalahan dengan lebih baik sehingga dapat membuat keputusan yang lebih baik walaupun tidak menjamin memberikan hasil terbaikwalaupun tidak menjamin memberikan hasil terbaik

� Memberikan petunjuk yang jelas dalam melakukan perancangan penyelesaian permasalahan real (kompleks) secara sistematis

� Untuk menyesuaikan terhadap tindakan yang diambil sebelumnya agar keputusan tersebut benar-benar tepat untuk dijalankan (memperbaiki kualitas keputusan)

Alasan Subjektifitas

dalam Pengambilan Keputusan

� Tool lain (OR/Management Science) hanya memasukkan hal-hal yang bersifat objektif dan menginginkan solusi yang optimal dari inputnya

� Adanya ketidakpastian dan nilai dalam permasalahan � Adanya ketidakpastian dan nilai dalam permasalahan tersebut

� Subjektifitas muncul pada waktu suatu permasalahan muncul

� Manusia adalah pengolah informasi yang tidak sempurna

Proses Analisis Keputusan (1)

Proses Analisis Keputusan (2)

1. Identifikasi Permasalahan

� Seluruh aspek harus mendapat perhatian untuk diidentifikasi

� Pemahaman yang baik terhadap permasalahan seringkali menyatakan permasalahan real yang mungkin tersembunyi

� Seringkali sulit untuk dilaksanakan dengan baik� Seringkali sulit untuk dilaksanakan dengan baik

2. Identifikasi Tujuan dan Alternatif

� Menentukan tujuan yang akan dicapai

� Mengembangkan alternatif untuk pemecahan masalahnya

� Kunci keberhasilan Analisis Keputusan pada langkah ini

Proses Analisis Keputusan (3)

2. Identifikasi …

� Mengembangkan pola kreatifitas dari beberapa teknik yang dapat dipakai untuk memunculkan dan menemukan alternatif-alternatif yang baru

� Memahami dengan baik terhadap aspek-aspek yang terdapat disekitar permasalahan, pertimbangan subjektif atau yang bersifat probabilistiksubjektif atau yang bersifat probabilistik

3. Pembuatan Model dan Pengambilan Keputusan

� Menyusun permasalahan ke dalam struktur yang lebih kecil dan lebih mudah ditangani

� Melibatkan elemen-elemen ketidakpastian dan aspek objektif

� Merupakan pendekatan yang lebih kuantitatif dan lebih mudah untuk dianalisis

Dimana Analisis Keputusan digunakan?

� Bisnis dan Pemerintah

� Managing research and development programs

� Understanding the World Oil Market

� Forecasting sales for a new product

� Electric power generation

� Deciding whether to launch a new product or venture� Deciding whether to launch a new product or venture

Where are We Going from

Here?

Modeling Decisions• Elemen of Decision

Modeling Uncertainty

• Probability Basics

Modeling Preferences

• Risk Attitudes• Elemen of Decision Problem

• Structuring Decisions• Making Choices

• Sensitivity Analysis• Creativity and Decision

Making

• Probability Basics• Subjective Probability• Theoretical Probability

Models• Using Data

• Monte Carlo Simulation• Value of Information

• Risk Attitudes• Utility Axioms, Paradoxes,

and Implications• Conflicting Objective I• Conflicting Objective II

(Multi Attribute Utility Theory)

Decision Analysis

� A set of alternative actions� We may chose whichever we please

� A set of possible states of natureA set of possible states of nature� Only one will be correct, but we don’t know in advance

� A set of outcomes and a value for each� Each is a combination of an alternative action and a state

of nature � Value can be monetary or otherwise

Decision Analysis� Certainty

� Decision Maker knows with certainty what the state of nature will be - only one possible state of nature

� Ignorance� Ignorance� Decision Maker knows all possible states of nature, but

does not know probability of occurrence

� Risk� Decision Maker knows all possible states of nature, and

can assign probability of occurrence for each state

Decision Making Under CertaintyDecision Variable

Units to build 150

Parameter Estimates

Cost to build (/unit) 6,000$

Revenue (/unit) 14,000$ Revenue (/unit) 14,000$

Demand (units) 250

Consequence Variables

Total Revenue 2,100,000$

Total Cost 900,000$

Performance Measure

Net Revenue 1,200,000$

KEPUTUSAN DALAM UNCERTAINTY (KETIDAKPASTIAN)Pengambilan keputusan dalam ketidakpastian menunjukkan suasana keputusan dimana probabilitas hasil-hasil potensial tidak diketahui (tak diperkirakan). Dalam suasana ketidakpastian pengambil keputusan sadar Dalam suasana ketidakpastian pengambil keputusan sadar akan hasil-hasil alternatif dalam bermacam-macam peristiwa, namun pengambil keputusan tidak dapat menetapkan probabilitas peristiwa.

Kriteria-kriteria yang digunakan dalam kondisi ini adalah:

A. Kriteria MAXIMIN / WALD (Abraham Wald)

Kriteria untuk memilih keputusan yang mencerminkan nilai maksimum dari hasil yang minimum

Asumsi: pengambil keputusan adalah pesimistik /konservatif/risk avoider tentang masa depan

Kelemahan: tidak memanfaatkan seluruh informasi yang ada, yang merupakan cirri pengambil keputusan modernyang merupakan cirri pengambil keputusan modern

B. Kriteria MAXIMAX (Vs MAXIMIN)

Krietria untuk memilih alternatif yang merupakan nilai maksimum dari pay off yang maksimum

Asumsi: pengambil keputusan adalah optimistic, cocok bagi investor yang risk taker

Kelemahan: mengabaikan banyak informasi yang tersedia

C. Kriteria MINIMAX REGRET / PENYESALAN (L.J. Savage)

Kriteria untuk menghindari penyesalan yang timbul setelah memilih keputusan yang meminimumkan maksimum penyesalan/keputusan yang menghindari kekecewaanterbesar, atau memilih nilai minimum dari regret maksimum, dimana:

Jumlah regret/opportunity loss =

Pay off max – pay off alternatif pd peristiwa tertentu

D. Kriteria HURWICZ / kompromi antara MAXIMAX dan MAXIMIN (Leonid Hurwicz)

Kriteria dimana pengambil keputusan tidak sepenuhnya optimis dan pesimissempurna, sehingga hasil keputusan dikalikan dengan koefisien optimistic untukmengukur optimisme pengambil keputusan, dimana koefisien optimisme (a) = 0 ≤ a ≤11

Dengan a : 1, berarti optimis total (MAXIMAX)

a : 0, berarti sangat pesimis/optimis 0 (MAXIMIN)

Atau

a : optimis

1-a : pesimis

Kelemahan:

- sulit menentukan nilai a yang tepat

- mengabaikan beberapa informasi yang tersedia (ex: prospek ekonomi sedangdiabaikan)

E. Kriteria LAPLACE / BOBOT YANG SAMA (Equal Likelihood)

Asumsi: semua peristiwa mempunyai kemungkinan yang sama untuk terjadi

Decision Making Under Ignorance –

Payoff TableKelly Construction Payoff Table (Prob. 8-17)

State of Nature

DemandAlternative

Low (50 units) Medium (100 units) High (150 units)

Build 50 400,000 400,000 400,000

Build 100 100,000 800,000 800,000

Build 150 (200,000) 500,000 1,200,000

DemandAlternative

Actions

Decision Making Under Ignorance

� Maximax� Select the strategy with the highest possible return

� Maximin� Select the strategy with the smallest possible loss� Select the strategy with the smallest possible loss

� LaPlace-Bayes� All states of nature are equally likely to occur. � Select alternative with best average payoff

Maximax: The Optimistic Point of View

� Select the “best of the best” strategy� Evaluates each decision by the maximum possible return

associated with that decision (Note: if cost data is used, the minimum return is “best”)associated with that decision (Note: if cost data is used, the minimum return is “best”)

� The decision that yields the maximum of these maximum returns (maximax) is then selected

� For “risk takers”� Doesn’t consider the “down side” risk

� Ignores the possible losses from the selected alternative

Maximax Example

State of NatureMaximax

CriterionDemandAlternative

Actions

Kelly Construction

Low (50 units) Medium (100 units) High (150 units) Max

Build 50 400,000 400,000 400,000 400,000

Build 100 100,000 800,000 800,000 800,000

Build 150 (200,000) 500,000 1,200,000 1,200,000

Actions

Maximin: The Pessimistic Point of View

� Select the “best of the worst” strategy� Evaluates each decision by the minimum possible

return associated with the decisionreturn associated with the decision� The decision that yields the maximum value of the

minimum returns (maximin) is selected

� For “risk averse” decision makers

� A “protect” strategy

� Worst case scenario the focus

Maximin

State of NatureMaximin

CriterionDemandAlternative

Kelly Construction

Low (50 units) Medium (100 units) High (150 units) Min

Build 50 400,000 400,000 400,000 400,000

Build 100 100,000 800,000 800,000 100,000

Build 150 (200,000) 500,000 1,200,000 (200,000)

Alternative

Actions

KEPUTUSAN DALAM SUASANA RISK

( DENGAN PROBABILITA )

Tahap-tahap:

1. Diawali dengan mengidentifikasikan bermacam-macam tindakan yang tersedia bermacam-macam tindakan yang tersedia dan layak

2. Peristiwa-peristiwa yang mungkin dan probabilitas terjadinya harus dapat diduga

3. Pay off untuk suatu tindakan dan peristiwa tertentu ditentukan

Teknik yang digunakan:

a. Expected Value (Nilai Ekspektasi)

b. Expected Opportunity Loss ( EOL )

Untuk meminimumkan kerugian yang disebabkan karenapemilihan alternatif keputusan tertentu. Keputusan yang direkomendasikan criteria expected value dan expected opportunity loss adalah sama, dan ini bukan suatu kebetulankarena kedua metode ini selalu memberikan hasil yang sama, sehingga cukup salah satu yang dipakai, tergantungtujuannya. Hanya criteria ini sangat tergantung padaperkiraan probabilita yang akurat.

c. Expected Value of Perfect Information (EVPI)

Merupakan perluasan dari criteria EV dan EOL, atau dengankata lain informasi yang didapat pengambil keputusan dapatmengubah suasana risk menjadi certainty (membelitambahan informasi untuk membantu pembuat keputusan). EVPI sama dengan EOL minimum (terbaik), karena EOL mengukur selisih EV terbaik keputusan dalam suasana risk dan certainty.

d. Expected Value of Sample Information (EVSI)

Merupakan harapan yang diinginkan dengan tambahan informasi untuk

dapat mengubah /memperbaiki keputusan, dengan menggunakan teori

Bayes.

e. Kriteria Utility dalam suasana risk EV max / EOL min tidak selalu

digunakan sebagai pedoman dalam mengambil keputusan, hal ini terjadi

karena:

1. Orang lebih memilih terhindar dari musibah potensial daripada

mewujudkan keuntungan dalam jangka panjangmewujudkan keuntungan dalam jangka panjang

2. Orang lebih memilih mendapatkan/memperoleh rejeki nomplok daripada

mempertahankan sedikit yang dimiliki

Decision Making Under Risk� Expected Return (ER)*

� Select the alternative with the highest (long term)

expected return

� A weighted average of the possible returns for each � A weighted average of the possible returns for each

alternative, with the probabilities used as weights

* Also referred to as Expected Value (EV) or Expected Monetary Value (EMV)

**Note that this amount will not be obtained in the short term, or if the decision is a one-time event!

Expected Return

Low (50 units) Medium (100 units) High (150 units) ER

State of NatureExpected

ReturnDemandAlternative

ActionsLow (50 units) Medium (100 units) High (150 units) ER

Build 50 400,000 400,000 400,000 400,000

Build 100 100,000 800,000 800,000 660,000

Build 150 (200,000) 500,000 1,200,000 570,000

Probability 0.2 0.5 0.3 1.0

Expected Value of Perfect Information� EVPI measures how much better you could do on this

decision if you could always know when each state of nature would occur, where:

� EVUPI = Expected Value Under Perfect Information

(also called EVwPI, the EV with perfect information, or

EVC, the EV “under certainty”)

� EVUII = Expected Value of the best action with

imperfect information (also called EVBest )

� EVPI = EVUPI – EVUII

� EVPI tells you how much you are willing to pay for perfect information (or is the upper limit for what you would pay for additional “imperfect” information!)

Expected Value of Perfect Information

Low (50 units) Medium (100 units) High (150 units) ER

State of NatureExpected

ReturnDemandAlternative

ActionsLow (50 units) Medium (100 units) High (150 units) ER

Build 50 400,000 400,000 400,000 400,000

Build 100 100,000 800,000 800,000 660,000

Build 150 (200,000) 500,000 1,200,000 570,000

Probability 0.2 0.5 0.3 1.0

Best Decision 400,000 800,000 1,200,000 840,000

EVPI 180,000