MODEL
PENGAMBILAN KEPUTUSAN
Keputusan ialah suatu kesimpulan dari suatu proses untuk memilih tindakan
yang terbaik dari suatu proses untuk memilih tidakan yang terbaik dari sejumlah
alternatif yang ada. Sedangkan pengambilan keputusan adalah proses yang
mencakup semua pemikiran dan kegiatan yang diperlukan guna membuktikan dan memperlihatkan
pilihan terbaik tersebut. Oleh karena itu, teori keputusan adalah suatu teknik
analisis yang berkenaan dengan pengambilan keputusan melalui bermacam-macam
model.
Secara khusus pengambilan keputusan
menghendaki sejumlah sasaran dan tujuan, sejumlah alternatif tindakan,
risiko atau perolehan dari tiap alternatif yang berlainan dan kriteria
pemilihan yang dapat memperhatikan tindakan yang terbaik.
Untuk
menentukan kriteria pengambilan keputusan yang terbaik, kita harus mengetahui
keadaan di-sekeliling kita. Keadaan/kondisi itu antara lain :
·
Kondisi kepastian
(Certainty)
Diketahui
persis keadaan apa yg akan terjadi
·
Kondisi
ketidakpastian (Uncertainty)
Tidak
dapat diketahui sama sekali keadaan apa yang akan terjadi
·
Kondisi berisiko
(Risk)
Peluang
keadaan yang akan terjadi dapat diketahui
Matriks Pengambilan Keputusan (P.K)
 |
Alt = Alternatif
·
Komponen-komponen
Model Keputusan
1.
Keadaan Dasar;
Kejadian acak yang mungkin .
2.
Probabilitas;
yang berkaitan dengan keadaan dasar.
3.
Keputusan;
tindakan yang dilakukan.
4.
Pay off;
Keuntungan yang diperoleh dari keputusan tersebut.
Pengambilan Keputusan Dalam Kondisi Kepastian
Bila keadaan/kondisi
diketahui secara pasti maka kita hanya tinggal memiliki tindakan/keputusan yang
terbaik (Max jika masalah profit dan Min jika masalah cost/loss).Pengambilan
keputusan berdasarkan kepastian menghendaki bahwa semua keterangan yang
diperlukan mengambil keputusan seluruhnya diketahui secara lengkap. Misalnya
manajer harus dapat menyusun semua strategi atau tindakan yang mungkin, harus
tahu sepenuhnya tentang keperluan untuk melaksanakan semua tindakan ini dan
harus dapat menentukan perolehan untuk setiap tindakan. Dalam hal seperti ini,
hanya terdapat satu keadaan.
Sebagai
gambaran kita perlihatkan satu tabel yang memuat sejumlah alternatif tindakan
pada satu keadaan.
Tabel 1 Perolehan pada
Keadaan q
|
Tindakan
|
Keadaan q
|
|
a1
|
p1
|
|
a2
|
p2
|
|
a3
|
p3
|
|
:
|
:
|
|
:
|
:
|
|
an
|
pn
|
Di mana aI ( i=1,2,3….aI ) merupakan alternatif
tindakan pada keadaan q dan pI berupa perolehan dari
tiap tindakan ai pada keadaan q. Dalam kasus ini di mana tujuan hanya satu misalnya untung atau rugi,
tugas kita hanya membandingkan semua tindakan dalam bentuk perolehan dari tiap
tindakan, kemudian memilih tidakan terbaik yaitu yang menghasilkan perolehan
tertinggi. Tindakan seperti ini disebut sebagai strategi Opsional.
Contoh :
PT Medan melancarkan suatu kampanye melalui surat
kabar ibukota untuk mempromosikan suatu produk baru. Jumlah biaya untuk iklan
sudah tersedia sebanyak Rp. 50 juta. Ditetapkan 5 buah cara masing-masing
dengan biaya (ongkos) yang berbeda-beda. Tujuan utama ialah mengingkatkan
penjualan. Tiap cara menghasilkan tingkat penjualan tertentu. Kriteria memilih
cara terbaik ialah menghitung perolehan sebagai perbandingan antara tingkat
penjualan dengan ongkos promosi yg dikeluarkan.
Hasilnya adalah sebagai
berikut :
|
Tindakan
|
Ongkos (Juta Rp)
|
Kenaikan Penjualan
(juta Rp)
|
Perolehan
|
|
a1
|
15,0
|
18,0
|
1,20
|
|
a2
|
20,0
|
30,0
|
1,50¬Max
|
|
a3
|
25,0
|
35,0
|
1,40
|
|
a4
|
30,0
|
39,0
|
1,30
|
|
a5
|
40,0
|
42,0
|
1,05
|
Pilihan
tindakan yang terbaik jatuh pada a2, karena tindakan ini mengahsilkan perolehan terbesar
yaitu 1,50
Pengambilan Keputusan Dalam Kondisi Ketidakpastian
Salah satu teknik yang
dipergunakan untuk melakukan analisis teori statistik yang bertitik pusat pada
formula yang disebut Hukum Bayes. Formula ini pada awalnya dibuat oleh Reverend
Thomas Bayes. Pendekatan Bayes pada hakikatnya adalah pendekatan secara
subjektif. Hal ini sangat berbeda dengan pendekatan klasik yang didasarkan pada
pendekatan objektif di mana pendekatan
semacam ini dilakukan melalui pengamatan berdasarkan sampel, tes hipotesis,
analisis regresi dll.
Inti
dari teori Bayes ialah sutau penelitian yang cermat tentang tindakan apa atau
alternatif tindakan apa yang kiranya tersedia. Baru sesudah itu, dilanjutkan
dengan memperkirakan risiko yang akan muncul (untung atau rugi) untuk tiap
tindakan dari tiap keadaan yang bakal terjadi di masa depan. Persoalan
sesungguhnya yang dihadapi ialah mengambil keputusan terbaik dari sejumlah
tindakan yang tersedia guna menghasilkan perolehan (resiko) yang optimal, tidak
soal keadaan (state of nature) apa
pun yang akan terjadi. Keputusan semacam ini disebut keputusan optimal. Tetapi
untuk mengambil keputusan optimal diperlukan kriteria.
Ciri umum untuk pengambilan
keputusan dalam kondisi ketidakpastian adalah Probabilitas dari terjadinya
berbagai tingkatan keadaan tidak diketahui.
Ada empat pendekatan terhadap
pengambilan keputusan dalam kondisi ketidakpastian yaitu :
1.
Kriteria Keputusan Laplace
·
Pendekatan ini
mengumpamakan bahwa setiap situasi punya peluang yang sama untuk terjadi
·
Cara pengambilan
keputusan : Hitung nilai harapan setiap strategi dan pilih strategi dengan
nilai Tertinggi : kalau berhubungan dengan masalah profit
Terendah
: kalau berhubungan dengan masalah cost
2.
Kriteria Keputusan Wald
·
Ini adalah
kriteria yang paling konservatif, karena berpijak pada prinsip melakukan yang
terbaik dalam kondisi/situasi terburuk yg mungkin terjadi
·
Tindakan
/keputusan terbaik adalah : Minimax : untuk masalah cost / loss
Maximin : untuk masalah profit / gain
3.
Kriteria Keputusan Hurwicz
·
Kriteria ini
punya jangkauan sikap dari yang paling optimis hingga yang paling pesimis
·
Dengan (mengambil
a sebagai derajat/indeks optimisme P.K ( 0 £ a £ 1 ) maka
kriteria Hurwicz dapat didefinisikan sebagai berikut :
Profit/gain
:
Cost/loss
:
 |
Jika a = 1 ®Profit/gain= Maximax ; Cost/loss
= Minimin
Untuk a = 1 ® Terlalu optimis; a = 0 ® Terlalu
pesimis
Jika tidak ada “Feeling”
yang kuat pada seseorang pengambil keputu-san, maka a = ½ merupakan pilihan yang paling masuk akal
(reasonable).
4.
Kriteria Keputusan Savage
Kriteria Savage menetapkan
bahwa pengambilan keputusan mungkin mengalami penyesalan .
Setelah keputusan yang ia
ambil dan ternyata situasi lain yang terjadi. Ia pasti menyesal mengapa tidak
menentukan strategi yang lama.
Untuk itu, Kriteria Savage
berusaha untuk meminimumkan penyesalan se-belum memilih suatu strategi
tertentu. Untuk itu, perlu ada suatu matriks penyesalan.
Untuk tabel profit/gain :
·
 |
Berlaku untuk masing-masing situasi /kondisi penyesalan =
·
Untuk tabel cost/loss :
·
 |
Berlaku untuk masing-masing situasi /kondisi penyesalan =
Langkah selanjutnya adalah
menggunakan Minimax (baik untuk profit/cost).
Pengambilan Keputusan Dalam Kondisi Berisiko
Untuk
mengambil keputusan dalam kondisi berisiko, dilakukan beberapa langkah seperti
berikut.
·
Hitung nilai
harapan masing-masing alternatif
·
Pilih yang max,
jika berhubungan dengan profit
·
Pilih yang min,
jika berhubungan dengan cost
Nilai Informasi Dalam Pengambilan Keputusan
Didalam pengambilan keputusan
peran nilai informasi menjadi penting, karena dengan nilai informasi yang lebih
akurat maka dapat dibuat suatu keputusan yang lebih baik/tepat. Oleh karena itu
nilai informasi diharapkan sempurna.
Nilai informasi sempurna
adalah selisih nilai harapan tanpa informasi
dengan informasi dalam pengambilan keputusan (P.K).
Sedangkan Cara mencari nilai
informasi sempurna dapat dilakukan sebagai berikut:
Ø
Untuk setiap
situasi, pilih nilai untuk alternatif terbaik
Ø
Hitung NPS dari
hasil diatas
Ø
Nilai informasi
sempurna = NPS – NP (tanpa informasi)
·
Aplikasi konsep
ini :Jangan membayar informasi lebih tinggi dari nilai tambah yang didapat
dalam Pengambilan Keputusan (PK).
POHON KEPUTUSAN
(Decision Tree)
Sebelumnya telah dibicarakan konsep-konsep analisis
keputusan dengan menggunakan presentasi dalam bentuk tabel-tabel berbagai model
keputusan. Meskipun pendekatan tabular sangat berguna untuk berbagai prosedur
perhitungan contoh-contoh sederhana di atas, cara ini menjadi tidak praktis
bila suatu proses keputusan melibatkan serangkaian keputusan dan berkaitan
dengan berbagai kedaan dasar. Untuk keputusan-keputusan yang berurutan, pohon
keputusan meruapakan suatu peralatan pembuatan model secara konseptual dan
skematik yang ampuh.
Suatu pohon keputusan adalah representasi skematik
suatu masalah keputusan. Disebut pohon keputusan karena bila digambarkan mirip
sebuah pohon dengan cabang-cabang dan ranting-rantingnya. Untuk penggambaran
sebuah pohon diagram diperlukan beberapa simbol-simbol al:
·
Simbol-simbol
yang digunakan :
 |
Simpul
Alternatif
 |
Simpul
Keputusan
Busur
Situasi/Cabang
Contoh (Satu tahap):
 |
Pohon keputusan dapat
digunakan untuk menganalisis masalah P.K yang lebih kompleks
Model Keputusan Pesimistis
Pada pemodelan ini, pengambil
keputusan merasa pesimis terhadap state of nature, oleh sebab itu harus
dihindarkan kehilangan profit yang mungkin sangat besar.
Langkah-langkah yang di
sarankan :
Langkah 1 :
Untuk tiap alternatif,
tentukan nilai terendah (lowest valued) outcome dan catat pada list
Langkah 2 :
Dari list outcome, pilih
nilai maksimum. Suatu alternatif yang sesuai dengan outcome maksimum ini adalah
sebagai strategi yang akan digunakan.
Model Keputusan Optimistis
Pada pemodelan ini,
pengambilan keputusan telah mengetahui dengan baik semua keadaan. Prosedur
(langkah-langkah) pada model ini sama seperti pada model pesimistis, hanya
langkah 1, perlu direvisi:
Langkah 1:
Untuk tiap alternatif,
tentukan nilai tertinggi dari outcome dan catat pada list.
Langkah 2 :
Dari list outcome, pilih
nilai maksimum. Suatu alternatif yang sesuai dengan outcome maksimum ini adalah
sebagai strategi yang akan digunakan.
Kelebihan Pohon Keputusan :
·
Terstruktur
secara sekuensial
·
Menganalisis
semua kemungkinan
·
Mudah
dikomunikasikan
·
Dapat dilakukan
analisis sensitifitas
Contoh :
Sebuah Toserba harus memutuskan apakah menyediakan
stok beras dalam jumlah banyak, sedang atau sedikit untuk keperluan bulan
mendatang. Data tahun lalu memperlihatkan, bahwa kebutuhan akan beras
menunjukkan distribusi normal dengan varian 10 serta kebutuhan rata-rata 5, 10,
dan 15 ton tergantung pada keadaan. Peluang keadaan q dapat diperkirakan sebagai berikut :
0,2 untuk q1 = 5
P(qj) = 0,5
untuk q2 =10
0,3
untuk q3=15
dengan
besarnya perolehan tiap keputusan adalah seperti tabel berikut :
|
Keadaan
Stok
|
q1
|
q2
|
q3
|
HH
|
|
Banyak = a1
|
8
|
12
|
20
|
13,6
|
|
Sedang = a2
|
10
|
14
|
14
|
13,2
|
|
Sedikit = a3
|
12
|
12
|
12
|
12,0
|
|
P( qj )
|
0,2
|
0,5
|
0,3
|
|
maka
tentukan keputusan terbaik dari kasus di atas dengan menggunakan diagram
keputusan ?
Karena
Max {13,6 ; 13,2; 12,0} = 13,6 maka
keputusan berdasarkan kriteria Bayes tanpa data pilihan jatuh pada stok a1,
karena keputusan ini menghasilkan harga harapan (HH) maksimum tidak soal
keadaan apa pun yang bakal terjadi.
Tetapi
kalau keputusan di atas masih belum meyakinkan dan untuk itu diperlukan
keputusan yang baru, maka informasi tambahan perlu dicari. Informasi ini perlu
untuk menentukan peluang keadaan yang lebih meyakinkan. Jika X menyatakan
jumlah kebutuhan pada bulan mendatang dan adalah fungsi dari qj dan karena distribusi X adalah fungsi normal, maka :
di
mana : qj =
5, 10, 15 dan varian = 10,
Berdasarkan
hukum Bayes dan setelah dilakukan perhitungan dengan hukum tersebut, kita dapat
memperoleh keputusan baru sesudah adanya tambahan informasi X=10, sehingga
keputusan jatuh pada a2, yaitu menyediakan stok beras dalam jumlah sedang saja,
seperti tabel berikut:
|
Keadaan
Stok
|
q1
|
q2
|
q3
|
HH
|
|
Banyak = a1
|
8
|
12
|
20
|
12,716
|
|
Sedang = a2
|
10
|
14
|
14
|
13,644
|
|
Sedikit = a3
|
12
|
12
|
12
|
12,000
|
|
P( qj )
|
0,089
|
0,777
|
0,134
|
|
Pengambilan
Keputusan Dengan Data Utama
Apabila suatu keputusan harus
diulang beberapa kali pada kondisi yang sama dan dengan hasil-hasil yang telah
ada dapat digunakan untuk keputusan berikutnya, ini disebut pengambilan
keputusan dengan menggunakan data utama.
Ada dua metoda untuk
menganalisis data yang telah ada untuk digunakan pada pengambilan keputusan:
1.
Metoda Classic
2.
Analisis Bayes
Pohon keputusan untuk problema dengan menggunakan data utama
Penggambaran pohon keputusan
untuk problema ini, sama seperti pada penggambaran pohon keputusan tanpa
menggunakan data utama. hanya pada tiap cabang keputusan di beri nilai
probabiliti hasil perhitungan :
Analisis Bayes
Untuk menggunakan analisis Bayes, maka gambarkan matriks keputusan, lalu dengan menggunakan matriks keputusan hitung
Keterangan:
Oij : alternatif ke I yang digunakan, jika
ke j state of nature terjadi
Pj : probabiliti
bahwa ke j state of nature yang terjadi
·
Diskusi suatu
kasus P.K
 |
Contoh :
Seorang pedagang diharapkan
pada masalah Berapa banyak stock/persediaan yang perlu dilakukan untuk memenuhi
demand/permintaan masa datang. Harga jual $ 10 dan harga pembelian $ 8. Keadaan
di luar kontrol adalah demand yang bisa mengambil salah satu : yaitu 25 unit
atau 26 unit atai 28 unit ?
Jawab
Keuntungan bersyarat bila
tindakan persediann 27 unit ?
|
Permintaan
|
Harga Jual
|
Pendapatan
|
Pengeluaran
(27 x $ 8)
|
Keuntungan
Bersyarat)
|
|
25
|
10
|
250
|
216
|
34
|
|
26
|
10
|
260
|
216
|
44
|
|
27
|
10
|
270
|
216
|
54
|
|
28
|
10
|
270
|
216
|
54
|
Alternatif tindakan
persediaan adalah :
Persediaan
|
Keadaan
|
25
|
26
|
27
|
28
|
|
25 unit
|
50
|
42
|
34
|
26
|
|
26 unit
|
50
|
52
|
44
|
36
|
|
27 unit
|
50
|
52
|
54
|
46
|
|
28 unit
|
50
|
52
|
54
|
56
|
Decision under certainty, keputusan
dengan q (demand) diketahui secara pasti, maka pilih aktivitas
yang hasil profit Maksimum. Mis demand = 25 à “persediaan = 25”
0 comments:
Post a Comment