1 / 28

Analisis Keputusan

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.

pia
Download Presentation

Analisis Keputusan

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. AnalisisKeputusan

  2. KomponenPengambilanKeputusan • Pengambilankeputusantanpaprobabilitas • Pengambilankeputusandenganprobabilitas • Analisiskeputusandenganinformasitambahan • Payoff tables sebagaiilustrasihasilberbagaikeputusan yang berbeda

  3. PengambilanKeputusanTanpaProbabilitas • Contoh : Seorang investor inginmembelisalahsatudaritigajenis real estat. Iaharusmemutuskanantarasebuahapartemen, sebuahbangunankantor, dansebuahgudang. Kondisidasardimasa yang akandatang yang akanmenentukanbesarlaba yang akandiperoleh investor tersebutadalahkondisiekonomi yang baikdanburuk. Laba yang dihasilkandarimasing-masingkeputusandalamtiapkondisidasar yang terjadiadalahsbb :

  4. PengambilanKeputusanTanpaProbabilitas Beberapakriteriatersediauntukpengambilankeputusan : maximax, maximin, minimax regret, Hurwicz, dan equal likelihood.

  5. KriteriaMaximax • Pengambilankeputusandenganmemilihnilai paling maksimumdarihasil yang maksimum(0ptimis). • Walaupunlabaterbesaradalah $100.000, tidakmengabaikanadanyakerugianpotensial $40.000

  6. KriteriaMaximin • Penambilankeputusanmencerminkannilaimaksimumdaihasil minimum (pesimis)

  7. KriteriaMinimax Regret • Pengambilankeputusanbermaksudmenghindaripenyesalan yang timbulsetelahalternatifkeputusan yang meminimumkanpenyesalan. Gambaranpenyesalan: KondisiEkonomi yang Baik $100.000 – 50.000 = $50.000 $100.000 – 100.000 = $0 $100.000 – 30.000 = $70.000 KondisiEkonomi yang Buruk $30.000 – 30.000 = $0 $30.000 – (-40.000) = $70.000 $30.000 – 10.000 = $20.000

  8. KriteriaMinimax Regret

  9. KriteriaHurwicz • Mencarikompromiantarakriteriamaximaxdanmaximin. • Pengambilankeputusantidaksepenuhnyaoptimisataupesimis • Koefisienoptimismedidefinisikan (0 ≤ α ≤ 1,0) • Optimisme = αPesimisme = 1 - α Contoh : padakasus yang sama, diketahuiα =0,4 (sedikitpesimis), maka 1 – α = 0,6

  10. KriteriaHurwicz • KelemahanHurwiczterletakpadapenentuannilaiα yang sangatsubjectif yang tidaktentuasalnya

  11. Kriteria Equal Likelihood • Memberikanbobot yang samauntuksetiapkondisidasar, jadidiasumsikanbahwasetiapkondisidasarmemilikikemungkinan yang samauntukterjadi. • Kelemahan EL, tidaksemuamempunyaikondisisamaatau 50%.

  12. KesimpulanHasilKriteria • Keputusanmembeliapartemenmendominasihasilkriteriadiatas.

  13. PengambilanKeputusanDenganProbabilitas • Terdapatkemungkinanbagipengambilkeputusanuntukmengetahuikondisidasardimasamendatangdanbisamemberikanprobabilitaskejadianuntukmasing-masingkondisidasar. • Nilai yang diperkirakanatau (Expected value –EV) • NilaiVariabelacak x disimbolkan E(x), jadi

  14. PengambilanKeputusanDenganProbabilitas • Nilai Yang Diperkirakan • PeluangRugi Yang Diperkirakan • Nilai Yang DiperkirakanAtasInformasiSempurna • PohonKeputusan • PohonKeputusanBerkesinambungan

  15. Nilai Yang Diperkirakan • Contoh: Padakasus yang sama, diasumsikanbahwaberdasarkanbeberaparamalanekonomi, investor dapatmemperkirakanprobabilitaskondisiekonomi yang baiksebesar 0,6 dankondisiekonomi yang buruksebesar 0,4, maka

  16. Contoh • Nilai yang diperkirakan (EV) : • Hal initidakberartibahwajika investor membelibangunankantormakahasil yang diterimaadalah $44.000 melainkan $100.000 atau -$40.000

  17. PeluangRugi Yang Diperkirakan • Expected Oportunity Loss (EOL) • Mengalikanprobabilitasdenganpenyesalan(peluangrugi)

  18. Contoh • Pengambilankeputusanpadakriteriainiadalahbangunankantorkarenamemilikitingkatpenyesalanterendah

  19. Nilai Yang DiperkirakanAtasInformasiSempurna • Excpected value of perfect information (EVPI) • Diawalidenganmelihatkondisidasar • Jikakitadapatmemperolehinformasi yang dapatmeyakinkankitakondisidasarmana yang akanterjadi, kitadapatmembuatkeputusanterbaikuntukkondisidasartersebut. • Contoh: Padakasus yang samajikakitayakinbahwakondisibaik yang akanterjadi, akankitaputuskanuntukmembelikantor, jikakondisinyaburuk, makakitaputuskanmembeliapartemendengankondisidasar 0,6 dan 0,4

  20. Contoh • $100.000(0,6) + 30.000(0,4) = $72.000

  21. Contoh • IngatBahwa • EV(kantor) = $100.000(0,6) – 40.000(0,4) = $44.000 • EVPI = $72.000 – 44.000 = $28.000 • EQL(kantor) = $0(0,6) + 70.000(0,4) = $28.000

  22. PohonKeputusan • Lingkarandankotakdisebutdengansimpul

  23. Contoh HasilPerkiraan : • EV(simpul2) = 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 • Dalamsekumpulankeputusanataukeputusanberkesinambunganpohonkeputusanakansangatberguna

  24. PohonKeputusanBerkesinambungan Contoh • Dalamkasus yang sama, jikainvestasinyamencakupperiode 10 tahun, dimanaselamaitubeberapakeputusanharusdibuat. • Keputusanpertama : membeliapartemenatautanah dengankondisipopulasimeningkat 60% atautidakakanmeningkat 40%. • Jika investor memilihmembelitanahkeputusan lain yang dibuatdalamtigatahunkedepanbergantungpadaperkembangantanahtsb.

  25. Contoh

  26. Contoh • Perkiraansimpul 6 dan 7 EV(simpul 6) = 0,8 ($3.000.000) + 0,2 ($700.000) = $2.540.000 EV(simpul7) = 0,3 ($2.300.000) + 0,7 ($1.000.000) = $1.390.000 • Perkiraansimpul2 dan3 EV(simpul2) = 0,6 ($2.000.000) + 0,4 ($225.000) = $1.290.000 EV(simpul3) = 0,6 ($1.740.000) + 0,4 ($790.000) = $1.360.000 • Keputusansetelahdikurangibiaya Apartemen : $1.290.000 – 800.000 = $490.000 Tanah: $1.360.000 – 200.000 = $1.160.000

  27. AnalisisKeputusanTambahan • MenggunakanAnalisis Bayesian Contohpadakasus yang sama, probabilitaskondisionalsbb Probabilitas prior

  28. Resource • Taylor W. Bernard. 2004. Management Science Eight Edition. Prentice Hall : New Jersey

More Related