1 / 16

ANALISIS KEPUTUSAN BAGI SITUASI MASA DEPAN YANG TIDAK PASTI

ANALISIS KEPUTUSAN BAGI SITUASI MASA DEPAN YANG TIDAK PASTI. ANALISIS PENGAMBILAN KEPUTUSAN A. PENDAHULUAN KEGIATAN PENGAMBILAN KEPUTUSAN AKAN MENGALAMI KONDISI:

arion
Télécharger la présentation

ANALISIS KEPUTUSAN BAGI SITUASI MASA DEPAN YANG TIDAK PASTI

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. ANALISIS KEPUTUSAN BAGI SITUASI MASA DEPAN YANG TIDAK PASTI

  2. ANALISIS PENGAMBILAN KEPUTUSAN • A. PENDAHULUAN • KEGIATAN PENGAMBILAN KEPUTUSAN AKAN MENGALAMI KONDISI: • PENGAMBILAN KEPUTUSAN DALAM KEADAAN IGNORANCE (DECISION MAKING UNDER IGNORANCE).KONDISI INI TERJADI JIKA PENGAMBIL KEPUTUSAN SAMA SEKALI TIDAK MENGETAHUI APA YANG AKAN TERJADI SETELAH KEPUTUSAN DIAMBIL.HAL INI TERJADI KARENA TIDAK ADA INFORMASI YANG RELEVAN BAGI PENGAMBILAN KEPUTUSAN. • PENGAMBILAN KEPUTUSAN DALAM KEADAAN TIDAK PASTI (DECISION MAKING UNDER UNCERTAINTY).KONDISI INI TERJADI JIKA PENGAMBIL KEPUTUSAN DAPAT MENGIDENTIFIKASI BEBERAPA SKENARIO MASA DEPAN NAMUN TIDAK MENGETAHUI PROBABILITASNYA ATAU PELUANG TERJADINYA. • PEMBUATAN KEPUTUSAN DALAM KEADAAN RISIKO (DECISION MAKING UNDER RISK).PEMBUAT KEPUTUSAN DAPAT MEMPERKIRAKAN PROBABILITAS ATAU PELUANG TERJADINYA MASA DEPAN UNTUK MASING-MASING SKENARIO. • PEMBUATAN KEPUTUSAN DALAM KEADAAN PASTI (DECISION MAKING UNDER CERTAINTY).PEMBUAT KEPUTUSAN SUDAH MENGETAHUI SECARA PASTI APA YANG AKAN TERJADI DARI MASING-MASING SKENARIO.

  3. ANALISIS KEPUTUSAN BAGI SITUASI MASA DEPAN YANG TIDAK PASTI TANPA MENGGUNAKAN PROBABILITAS. Sebuah perusahaan konsultan merencanakan untuk mengadakan komputer sebagai sarana untuk pengolahan data. Tabel berikut menggambarkan keuntungan atau payoff dari tiga alternatif keputusan yang ada.

  4. 1. KRITERIA MAXIMIN ATAU MINIMAX (MAKSIMALISASI KEUNTUNGAN MINIMUM), PESIMISTIK KRITERIA INI BISA DIGUNAKAN UNTUK MEMINIMALISASI BIAYA DENGAN CARA MEMILIH BIAYA MINIMUM DARI BIAYA MAKSIMUM YANG ADA (MINIMAX).

  5. 2. KRITERIA MINIMIN ATAU MAXIMAX (MAKSIMALISASI KEUNTUNGAN MAKSIMUM), OPTIMISTIK KRITERIA INI BISA DIGUNAKAN UNTUK MEMINIMALISASI BIAYA DENGAN CARA MEMILIH BIAYA MINIMUM DARI BIAYA BIAYA MINIMUM YANG ADA (MINIMIN)

  6. 3. KRITERIA MINIMAX REGRET (MEMILIH KERUGIAN MINIMUM DARI KEMUNGKINAN KERUGIAN KARENA KEHILANGAN KESEMPATAN MAKSIMUM). OPPORTUNITY LOSS (KESEMPATAN YANG HILANG) NILAI MINIMUM DARI KESEMPATAN MAKSIMUM YANG HILANG

  7. 4. KRITERIA HURWICH NE = α x max Pij + (1-α) min Pij (Expected Value) α : koefisien Hurwich (>0; <1) NE(D1) = 0,6 x 12 jt + (1-0,6) x 6 jt = 7,2 jt + 2,4 jt = 9,6 jt. NE(D2) = 0,6 x 15 jt + (1-0,6) x 2 jt = 9 jt + 0,8 jt = 9,8 jt. NE(D3) = 0,6 x 20 jt + (1-0,6) x (-3) jt = 12 jt – 1,2 jt = 10,8 jt. Alternatif D3 yang dipilih dengan expected value paling besar.

  8. 5. KRITERIA LAPLACE NE = 1/n Σ Pij (expected value). NE (D1) = 1/3 x (12 + 9 + 6) jt = 9,00 jt. NE (D2) = 1/3 x (15 + 9 + 2) jt = 8,66 jt. NE (D3) = 1/3 x (20 + 11 + (-3)) jt = 9,33 jt. Alternatif D3 yang dipilih karena memberikan maksimum expected value.

  9. ANALISIS KEPUTUSAN BAGI SITUASI MASA DEPAN YANG TIDAK PASTI DENGAN MENGGUNAKAN PROBABILITAS. Sebuah perusahaan konsultan merencanakan untuk mengadakan komputer sebagai sarana untuk pengolahan data. Tabel berikut menggambarkan keuntungan atau payoff dari tiga alternatif keputusan yang ada dengan probabilitas 0,4 untuk permintaan jasa tinggi dan 0,6 untuk permintaan jasa rendah

  10. 1. EXPECTED MONETARY VALUE (EMV) EMV (D1) = 0,4 x Rp 12 jt + 0,6 x Rp 6 jt = Rp 8,4 jt. EMV (D2) = 0,4 x Rp 15 jt + 0,6 x Rp 2 jt = Rp 7,2 jt. EMV (D3) = 0,4 x Rp 20 jt + 0,6 x (- Rp 3 jt) = Rp 6,2 jt. Pilihan system computer kecil (D1) memberikan nilai expected monetary value terbesar sehingga direkomendasikan untuk dipilih. Jika probabilitas terjadinya situasi s1 (permintaan jasa tinggi) sebesar 0,6 dan probabilitas situasi s2 (permintaan jasa rendah) sebesar 0,4 maka expected monetary value menjadi. EMV (D1) = 0,6 x Rp 12 jt + 0,4 x Rp 6 jt = Rp 9,6 jt. EMV (D2) = 0,6 x Rp 15 jt + 0,4 x Rp 2 jt = Rp 9,8 jt. EMV (D3) = 0,6 x Rp 20 jt + 0,4 x (- Rp 3 jt) = Rp 10,8 jt. Pilihan system computer besar (D3) memberikan nilai expected monetary value yang tinggi sehingga direkomendasikan untuk dipilih

  11. 2 .EXPECTED OPPORTUNITY LOSS (EOL) EOL (D1) = 0,4 x Rp 8 jt + 0,6 x Rp 0 jt = Rp 3,2 jt. EOL (D2) = 0,4 x Rp 5 jt + 0,6 x Rp 4 jt = Rp 4,4 jt. EOL (D3) = 0,4 x Rp 0 jt + 0,6 x Rp 9 jt = Rp 5,4 jt. Pilihan system computer kecil (D1) memberikan nilai expected opportunity loss (EOL) paling kecil sehingga direkomendasikan untuk dipilih.

  12. EXPECTED VALUE OF PERFECT INFORMATION (EVPI) 1. DITINJAU DARI OPPORTUNITY LOSS (KESEMPATAN YANG HILANG) EOL (D1) = 0,4 x Rp 8 jt + 0,6 x Rp 0 jt = Rp 3,2 jt. EOL (D2) = 0,4 x Rp 5 jt + 0,6 x Rp 4 jt = Rp 4,4 jt. EOL (D3) = 0,4 x Rp 0 jt + 0,6 x Rp 9 jt = Rp 5,4 jt. EVPI = (0,4) (Rp 8 jt) + (0,6) (Rp 0 jt) = Rp 3,2 jt. EVPI sama dengan kesempatan yang hilang dari keputusan yang optimal (D1). EVPI digunakan sebagai dasar untuk menghitung batas biaya penelitian untuk memperoleh informasi tambahan (perfect information) terutama mengenai nilai probabilitas. Jika informasi tambahan memberikan kepastian 100% maka biaya penelitian tambahan maksimum sama dengan EVPI.Jika informasi tambahan tidak bisa memberikan kepastian 100% maka biaya penelitian tambahan selayaknya diberikan lebih kecil dari EVPI. Jika biaya penelitian tambahan lebih besar dari EVPI maka diputuskan tidak perlu dilakukan penelitian untuk memperoleh informasi tambahan tentang kepastian masa depan.

  13. 2. DITINJAU DARI EXPECTED MONETARY VALUE EMV (D1) = 0,4 x Rp 12 jt + 0,6 x Rp 6 jt = Rp 8,4 jt. EMV (D2) = 0,4 x Rp 15 jt + 0,6 x Rp 2 jt = Rp 7,2 jt. EMV (D3) = 0,4 x Rp 20 jt + 0,6 x (- Rp 3 jt) = Rp 6,2 jt. APABILA YANG MENJADI KENYATAAN S1 SEDANGKAN KEPUTUSAN YANG DIPILIH SEBELUM INFORMASI TAMBAHAN ADALAH D1, MAKA TERDAPAT KESEMPATAN YANG HILANG SEBESAR Rp 8 jt. APABILA YANG MENJADI KENYATAAN S2 SEDANGKAN KEPUTUSAN YANG DIPILIH SEBELUM INFORMASI TAMBAHAN ADALAH D1, MAKA TIDAK TERDAPAT KESEMPATAN YANG HILANG. DENGAN PROBABILITAS KEJADIAN S1 SEBESAR 0,4, MAKA EVPI = 0,4 X Rp 8 jt = Rp 3,2 jt.

  14. RANTING KEPUTUSAN CABANG KEPUTUSAN POHON KEPUTUSAN

  15. Rp 12 JUTA S1 Rp 6 JUTA S2 Rp 15 JUTA D1 S1 D2 S2 Rp 2 JUTA D3 Rp 20 JUTA S1 S2 - Rp 3 JUTA APLIKASI POHON KEPUTUSAN DALAM KASUSPEMBELIAN KOMPUTER

  16. POHON KEPUTUSAN EXPECTED MONETARY VALUE Rp 12 JUTA EMV=0,4(12)+0,6(6)=8,4 S1; p=0,4 Rp 6 JUTA S2; p=0,6 Rp 15 JUTA D1 S1; p=0,4 EMV=0,4(15)+0,6(2)=7,2 D2 Rp 2 JUTA S2; p=0,6 D3 Rp 20 JUTA S1; p=0,4 EMV=0,4(20)+0,6(-3)=6,2 S2; p=0,6 - Rp 3 JUTA

More Related