TEORI PENGAMBILAN KEPUTUSAN
|
|
- Susanto Makmur
- 7 tahun lalu
- Tontonan:
Transkripsi
1 TEORI PENGAMBILAN KEPUTUSAN DR. MOHAMMAD ABDUL MUKHYI, SE., MM 6/6/2008 1
2 Decision i Analysis Model yang membantu para manajer memperoleh pengertian dan pemahaman yang mendalam, tetapi mereka tidak dapat membuat keputusan. Pengambilan keputusan merupakan suatu tugas yang sulit dl dalam kit kaitan dengan: ketidak-pastian masa depan konflik nilai-nilai atau hasil tujuan Mempertimbangkan contoh berikut... 6/6/2008 2
3 Deciding Between Job Offers Perusahaan A Suatu industri baru yang bisa memperoleh keuntungan yang tinggi (booming) Gaji awal yang rendah, tetapi bisa meningkat dengan cepat. Terletak dekat teman, keluarga dan team olah raga favorit Perusahaan B Perusahaan yang dibentuk dengan kekuatan keuangan dan komitmen pada karyawan. Gaji awal lebih tinggi tetapi kesempatan kemajuan lambat. Penempatan mendalam, menawarkan budaya.atau aktivitas olahraga Pekerjaan yang mana kamu akan mengambil? 6/6/2008 3
4 Keputusan terbaik vs Hasil terbaik Pendekaan struktur pengambilan keputusan dapat membantu membuat keputusan yang terbaik, tetapi tidak dapat menggaransi hasil yang baik. Keputusan yang barik kadang-kkadasng menghasilkan hasil yang kurang baik. 6/6/2008 4
5 Bagaimana membuat keputusan dalam organisasi Membuat keputusan: The process of choosing a course of action for dealing with a problem or opportunity. 6/6/2008 5
6 Bagaimana membuat keputusan dalam organisasi Langkah-langkah dalam membuat keputusan semantik. Menggambarkan dan mengenali masalah dan kesempatan. Mengidentifikasi dan menganalisis macam langkah tindakan alternatif, mengestimasi pengaruhnya dalam masalah atau kesempatan. Memilih tindakan yang lebih disukai. Mengimplikasikan tindakan yang lebih disukai. Mengevaluasi hasil dan kelanjutannya sebagaimana diperlukan. 6/6/2008 6
7 Bagaimana keputusan dibuat dalam organisasi? Prosespengambilan keputusan sistematis tidak mungkin diikuti jika perubahan substansiil yang terjadi dan banyak teknologi baru yang digunakan. Teknik keputusan novel boleh menghasilkan pencapaian atasan dalam situasi tertentu. Konsekwensi pengambilan keputusan yang etis harus dipertimbangkan. 6/6/2008 7
8 Bagaimana keputusan di ambil dalam organisasi? Lingkungan keputusan meliputi: Lingkungan tertentu. Mengambil resiko lingkungan. Lingkungan tidak-pasti. 6/6/2008 8
9 Bagaimana keputusan dibuat dalam organisasi? Lingkungan tertentu. Bilamana informasi adalah cukup untuk meramalkan hasil dari tiap alternatif dalam pengambangan implementasi. Kepastian adalah masalah ideal dalam memecahkan dan pengambilan keputusan lingkungan. 6/6/2008 9
10 Bagaimana keputusan dibuat dalam organisasi? Resiko lingkungan. Bilamana pembuat keputusan tidak dapat menyudahi kepastian mengenai hasil berbagai macam tindakan, tetapi mereka dapat merumuskan kemungkinan kejadian. Kemungkinan dapat dirumuskan melalui sasaran prosedur statistik atau intuisi pribadi. 6/6/
11 Bagaimana keputusan dibuat dalam organisasi? Lingkungan ketidak-pastian. Bilamana manager memiliki sedikit informasi bahwa mereka tidak dapat menetapkan kemungkinan suatu kegiatan dari berbagai alternatif dan kemungkinan hasil. Ketidak-pastian memaksa pembuat keputusan bersandar pada individu dan kreativitas kelompok untuk berhasil dalam memecahkan masalah. Juga yang ditandai oleh dengan cepat mengubah: Kondisi-Kondisi eksternal. Kebutuhan teknologi informasi. Personil yang mempengaruhi definisi pilihan dan masalah. perubahan yang cepat ini adalah juga disebut anarki terorganisir. 6/6/
12 Bagaimana keputusan dibuat dalam organisasi? Bentuk-bentuk keputusan. Keputusan terprogram. Melibatkan permasalahan rutin yang muncul secara teratur dan dapat ditujukan melalui tanggapan standard. Keputusan tidak terprogram. Melibatkan bukan permasalahan rutin yang memerlukan solusi secara rinci pada situasi yang ada 6/6/
13 Teori Pengambilan Keputusan Pola dasar berpikir dlm konteks organisasi: 1. Penilaian situasi (Situational Approach) untuk menghadapi pertanyaan apa yg terjadi? 2. Analisis persoalan (Problem Analysis) dari pola pikir sebab-akibat 3. Analisis keputusan (Decision Analysis) didasarkan pada pola berpikir mengambil pilihan 4. Analisis persoalan potensial (Potential Problem Analysis) didasarkan pada perhatian kita mengenai peristiwa masa depan, mengenai peristiwa yg mungkin terjadi & yg dapat terjadi 6/6/
14 Beberapa teknik dalam pengambilan keputusan: Situasi keputusan Pemecahan Teknik Ada kepastian (Certainty) Deterministik - Linear Programming - Model Transportasi - Model Penugasan - Model Inventori - Model Antrian - Model network Ada risiko (Risk) Probabilistik - Model keputusan probabilistik - Model Inventori probabilistik - Model Antrian probabilistik Tdk ada kepastian (Uncertainty) Ada konflik (Conflict) Tak diketahui Tergantung tindakan lawan Analisis keputusan dlm keadaan ketidakpastian Teori permainan (game theory) 6/6/
15 Certainty: Jikasemuainformasi yg diperlukan untuk membuat keputusan diketahui secara sempurna & tdk berubah Risk: Jika informasi sempurna tidak tersedia, tetapi seluruh peristiwa yg akan terjadi besarta probabilitasnya diketahui Uncertainty: Jikaseluruh hif informasii yg mungkinterjadi jdidiketahui, i tetapi tanpa mengetahui probabilitasnya masing-masing Certainty Risk Uncertainty 6/6/
16 Conflict: Jika kepentingan dua atau lebih pengambil keputusan berada dalam pertarungan aktif diantara kedua belah pihak, sementara keputusan certainty, risk & uncertainty yang aktif hanya pengambil keputusan Tujuan analisis keputusan (Decision Analysis): Mengidentifikasi apa yang harus dikerjakan, mengembangkan g kriteria khusus untuk mencapai tujuan, mengevaluasi alternatif yang tersedia yang berhubungan dengan kriteria & mengidentifikasi risiko yang melekat pada keputusan tersebut 6/6/
17 Management Science dalam pengambilan keputusan 1. Pengambilan keputusan berdasarkan tujuan 2. Pengambilan keputusan berdasarkan informasi & analisis 3. Pengambilan keputusan untuk tujuan ganda 4. Penekanan yg meningkat pd produktivitas: - produktivitas SDM - manajemen modal & material yg efektif - proses pengambilan keputusan yg efisien 5. Peningkatan perhatian pd perilaku kelompok 6. Manajemen modal, energi& material yg efisien 7. Manajemen ttg segala kemungkinan yg lebih sistematis 8. Lebih beraksi dg faktor eksternal (ex: pemerintah, situasi internasional, faktor sosial, ekonomi, lingkungan, perubahan situasi pasar, selera konsumen, pesaing, dll) 6/6/
18 KEPUTUSAN DALAM CERTAINTY (KEPASTIAN) Hasil dari setiap alternatif tindakan dapat ditentukan dimuka dengan pasti. Misal model linear programming, model integer programming dan model deterministik. Tujuan : Lebih dari satu tujuan. Lebih dari satu alternatif tindakan Setiap tindakan mempunyai satu atau lebih hasil 6/6/
19 KEPUTUSAN DALAM KONDISI RESIKO Kurang pastinya kejadian-kejadian dimasa mendatang, maka kejadian ini digunakan sebagai parameter untuk menentukan keputusan yang akan diambil Situasi yang dihadapi pengambil keputusan adalah mempunyai lebih dari satu alternatif tindakan, pengambil keputusan mengetahui probabilitas yang akan terjadi terhadap berbagai tindakan dan hasilnyadengan memaksimalkan expected return (ER) atau expected monetari value (EMV) 6/6/
20 KEPUTUSAN DALAM KONDISI RESIKO EMV i = m j= 1 R ij. P j EMV i = Expected Monetary Value untuk tindakan i R ij = return atas keputusan / tindakan i untuk tiap keadaan = probabilitas kondisi j akan terjadi P j 6/6/
21 contoh: Penjual koran mengambil koran waktu pagi dan menjualnya, harga jual koran Rp 350 dan harga beli Rp 200 koran yang tidak laku disore hari tidak mempunyai harga. Dari catatannya probabilitas koran yang laku setiap hari: Prob o = prob. Laku 10 = 0,10 Prob 1 = prob. Laku 50 = 0,20 Prob 2 = prob. Laku 100 = 0,30 Pertanyaan: berapa koran yang harus dibeli setiap harinya? 6/6/
22 Jawaban Tabel Pay-off Net Cash Flows Probabilitas koran Jumlah dan probabilitaqs permintaan koran 10 = 0,10 50 = 0, = 0, = 0, Pay off = 10 (350) 10(200) = Pay off = 150 (350) 150 (200) = /6/
23 Expected Return ER (0,10) (0,20) (0,30) (0,40) = 1500 ER (0,10) (0,20) (0,30) (0,40) = ER (0,10) (0,20) (0,30) (0,40) = 8350 ER (0,10) (0,20) (0,30) (0,40) = /6/
24 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 akan hasil-hasil alternatif dalam bermacam-macam peristiwa, namun pengambil keputusan tidak dapat menetapkan probabilitas peristiwa. 6/6/
25 Kriteria-kriteria yang digunakan 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 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 6/6/2008Kelemahan: mengabaikan banyak informasi yang tersedia 25
26 Kriteria-kriteria yang digunakan C. Kriteria MINIMAX REGRET / PENYESALAN (L.J. Savage) Kriteria untuk menghindari penyesalan yang timbul setelah memilih keputusan yang meminimumkan maksimum penyesalan/keputusan yang menghindari kekecewaan terbesar, atau memilih nilai minimum dari regret maksimum, dimana: Jumlah regret/opportunity loss = Pay off max pay off alternatif pd peristiwa tertentu 6/6/
27 Kriteria-kriteria yang digunakan D. Kriteria HURWICZ / kompromi antara MAXIMAX dan MAXIMIN (Leonid Hurwicz) Kriteria dimana pengambil keputusan tidak sepenuhnya optimis dan pesimis sempurna, sehingga hasil keputusan dikalikan dengan koefisien optimistic untuk mengukur optimisme pengambil keputusan, dimana koefisien optimisme (a) = 0 a 1 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 bik bb beberapa informasi iyang tersedia (ex: prospek ekonomi sedang diabaikan) 6/6/
28 Kriteria-kriteria yang digunakan E. Kriteria LAPLACE / BOBOT YANG SAMA (Equal Likelihood) Asumsi: semua peristiwa mempunyai kemungkinan yang sama untuk terjadi 6/6/
29 Kriteria Maximax Mengidentifikasi payoff maksimum untuk masing- masing alternatif. Memilih alternatif dengan payoff py maksimum yang terbesar. Kelemahan: membandingkan matrik payoff 6/6/
30 Ki Kriteriai Maximax Tabel Pay-off Net Cash Flows Probabilit as koran Jumlah dan probabilitaqs permintaan koran 10 = 0,10 50 = 0, = 0, = 0,40 Keputusan /6/
31 Kriteria Maximax Tabel Pay-off Net Cash Flows Probabilit as koran Jumlah dan probabilitaqs permintaan koran 10 = 0,10 50 = 0, = 0, = 0,40 Keputusan /6/
32 Kriteria Maximax Tabel Pay-off Net Cash Flows Probabilit as koran Jumlah dan probabilitaqs permintaan koran 10 = 0,10 50 = 0, = 0, = 0,40 Keputusan /6/
33 Kriteria Maximin Mengidentifikasi payoff maksimum untuk masingmasing alternatif. Memilih alternatif ifdengan payoff maksimum ki yang terkecil Kl Kelemahan: membandingkan matrik tikpayoff 6/6/
34 Kriteria Maximin Tabel Pay-off Net Cash Flows Probabilit as koran Jumlah dan probabilitaqs permintaan koran 10 = 0,10 50 = 0, = 0, = 0,40 Keputusan /6/
35 Kriteria Maximin Tabel Pay-off Net Cash Flows Probabilit as koran Jumlah dan probabilitaqs permintaan koran 10 = 0,10 50 = 0, = 0, = 0,40 Keputusan /6/
36 Kriteria Maximin Tabel Pay-off Net Cash Flows Probabilit Jumlah dan probabilitaqs permintaan koran Keputusan as koran 10 = 0,10 50 = 0, = 0, = 0, /6/
37 Kriteria Minimax Mengidentifikasi payoff minimum untuk masingmasing alternatif. Memilih alternatif ifdengan payoff minimum i yang terbesar. Kl Kelemahan: membandingkan matrik tikpayoff 6/6/
38 Kriteria Minimax Tabel Pay-off Net Cash Flows Probabilit as koran Jumlah dan probabilitaqs permintaan koran 10 = 0,10 50 = 0, = 0, = 0,40 Keputusan /6/
39 Kriteria Minimax Tabel Pay-off Net Cash Flows Probabilit as koran Jumlah dan probabilitaqs permintaan koran 10 = 0,10 50 = 0, = 0, = 0,40 Keputusan /6/
40 Kriteria Minimax Tabel Pay-off Net Cash Flows Probabilit Jumlah dan probabilitaqs permintaan koran Keputusan as koran 10 = 0,10 50 = 0, = 0, = 0, /6/
41 Kriteria Minimin Mengidentifikasi payoff minimum untuk masing-masing alternatif. Memilih alternatif dengan payoff minimum yang terkecil. Kelemahan: membandingkan matrik payoff 6/6/
42 Kriteria Minimax Tabel Pay-off Net Cash Flows Probabilit as koran Jumlah dan probabilitaqs permintaan koran 10 = 0,10 50 = 0, = 0, = 0,40 Keputusan /6/
43 Kriteria Minimax Tabel Pay-off Net Cash Flows Probabilit as koran Jumlah dan probabilitaqs permintaan koran 10 = 0,10 50 = 0, = 0, = 0,40 Keputusan /6/
44 Kriteria Minimax Tabel Pay-off Net Cash Flows Probabilit as koran Jumlah dan probabilitaqs permintaan koran 10 = 0,10 50 = 0, = 0, = 0,40 Keputusan /6/
45 Kriteria Minimax Regret Menghitung kemungkinan regret untuk masing-masing alternatif di bawah masing-masing state nature. Mengidentifikasi kemungkinan regret maksimum untuk masing-masing g alternatif. ate at Memilih alternatif dengan regret maksimum yang terendah. Perhitungan tabel regret Payoff Payoff fflama pada Outcome regret baru = maksimum dari - baris dan kolom suatu kolom masing-masing 6/6/
46 Kriteria Minimax Regret Tabel Pay-off Net Cash Flows Probabilit as koran Jumlah dan probabilitaqs permintaan koran 10 = 0,10 50 = 0, = 0, = 0,40 Keputusan /6/
47 Kriteria Minimax Regret Tabel Pay-off Net Cash Flows Probabilit as koran Jumlah dan probabilitaqs permintaan koran 10 = 0,10 50 = 0, = 0, = 0,40 Keputusan /6/
48 Kriteria Minimax Regret Tabel Pay-off Net Cash Flows Probabilit as koran Jumlah dan probabilitaqs permintaan koran 10 = 010 0,10 50 = 020 0, = 030 0, = 040 0,40 Keputusan /6/
49 Expected Value of Perfect Information Disini dihadapi masalah ketidak pastian. Untuk itu perlu dicari informasi tambahan, diasumsikan diperoleh informasi tambahan tentang permintaan, maka akan diperoleh nilai expected value of perfect information (EVPI): EVPI = Expected return jika diperoleh informasi - Expected return tanpa sempurna informasi sempurna 6/6/
50 Expected Value of Perfect Information EVPI = {(0,10 x 1500) + (0,20 x 7500) + (0,30 x 15000) + (0,40 x 22500) 8350} = = 6800 jumlah untuk memperoleh informasi yang sempurna EMV = {(0,10x18000) + (0,20x10000) + (0,40x7500)} = /6/
51 Keputusan dalam kondisi resiko dan fungsi utilitas Amad pasang lotre Rp. 500 dengan harapan menang dapat Rp 500 juta. Probabilitas kalah dalam lotre adalah 99,99% dan probabilitas menang undian adalah 0,01%,, maka expected return-nya adalah: = -500 (99,99%) (0,01%) = -499, = ,95 6/6/
52 Incorporating Risk Attitudes: Certain Equivalent Initial wealth $1000, and you face two options: (a) Keep your initial wealth and do nothing; (b) Invest: receive $10,000 if succeed; lose 1000 if fail. After assessing these two options, you find yourself indifferent between two. Analysis: Certainty Equivalent Certainty t Equivalent tfactor: Risk averse: <1 Risk neural: =1 Risk loving: >1 a = Equivalent Certain Sum Expected Risk Sum 6/6/
53 Risk Attitudes Scenario: A person has two choices, a sure thing and a risky option, and both yields the same expected value. Risk averse: take the sure thing Risk neutral: indifferent between two choices Risk loving: take the risky option 6/6/
54 Risk averter: diminishing MU Risk neutral: constant MU Risk lover: increasing MU 6/6/
55 Risk Premium: Preventive Investment Initial wealth = 40 which results in U(40) = 120. An preventive investment can magically ensure no disease outbreak (not realistic). (a) Without disease outbreak, U(70) = 140 (b) With disease outbreak, U(10) = 70 (c) 0.5U(70) + 0.5U(10) = 105 Questions: (a) Will invest on preventive activities? (b) Risk premium? 6/6/
56 Risk Premium: Earthquake Insurance Josh lives in the San Francisco Bay Are of California where the prob. of an earthquake is 10%. His utility function is U(w) = w0.5, where w is wealth. If Josh chooses not to buy insurance next year, his wealth is $ 500,000 without an earthquake, and $ 300,000 at the lose of his house with an earthquake. What s his risk premium? Answer: risk premium= $ 4,6361. The solution?? 6/6/
57 Utility Theory Sometimes the decision with the highest EMV is not the most desired or most preferred alternative. Consider the following payoff table, State of Nature Decision 1 2 EMV A 150,000-30,000 60,000 <--maximum B 70,000 40,000 55,000 Probability Decision makers have different attitudes toward risk: Some might prefer decision alternative A, Others would prefer decision alternative B. Utility Theory incorporates risk preferences in the decision i making process. 6/6/
58 Constructing Utility Functions Assign utility values of 0 to the worst payoff and 1 to the best. For the previous example, U(-$30,000) = 0 and U($150,000) = 1 To find the utility associated with a $70,000 payoff identify the value p at which the decision maker is indifferent between: Alternative 1: Receive $70,000 with certainty. Alternative 2: Receive $150, with probability p and lose $30, with probability (1-p). If decision maker is indifferent when p = 0.8: U($70,000) 000) = U($150,000) 000)*08+U( 0.8 U(-30,000) 000) * = 1*08+0* * 0.2 = When p = 0.8, the expected value of Alternative 2 is: $150,000 * $30,000 * 0.2 = $ 114,000 The decision maker is risk averse. (Willing to accept $70,000 with certainty 6/6/2008 versus a risky situation with an expected value of $ 114,000.) 58
59 Constructing Utility Functions If we repeat this process with different values in Alternative 1, the decision maker s utility function emerges (e.g., if U($40,000) = 0.65): Utility Payoff (in $1,000s) 6/6/
60 Comments Certainty Equivalent - the amount that is equivalent in the decision maker s mind to a situation involving risk. (e.g., $70,000 was equivalent to Alternative 2 with p = 0.8) Risk Premium - the EMV the decision maker is willing to give up to avoid a risky decision. (e.g., Risk premium = $114,000-$70,000 = $44,000) 6/6/
61 Using Utilities to Make Decisions Replace monetary values in payoff tables with utilities. Consider the utility table from the earlier example, State of NatureExpected Decision 1 2 Utility A B <--maximum Probability bilit Decision B provides the greatest utility even though it the payoff table indicated it had a smaller EMV. 6/6/
62 The Exponential Utility Function The exponential utility function is often used to model classic risk averse behavior: -x/r U( x) =1-e 6/6/
63 Incorporating Utilities in TreePlan TreePlan will automatically convert monetary values to utilities using the exponential utility function. We must first determine a value for the risk tolerance parameter R. R is equivalent to the maximum value of fy for which hthe decision i maker is willing to accept the following gamble: Win $Y with probability 0.5, Lose $Y/2 with probability 0.5. Note that R must be expressed in the same units as the payoffs! In Excel, insert R in a cell named RT. (Note: RT must be outside the rectangular range containing the decision tree!) On TreePlan s Options dialog box select, Use Exponential Utility Function 6/6/
64 Minimizing Variance or Standard Deviation The payoffs of all events = X 1, X 2, X 3,...., X n The probability of each event = p 1, p 2, p 3,....., p n Expected value of x = EV X = x.p x 2.p 2 + x.p x n.p n = n i = 1 x. p i i Variance = Standard deviation : square root of variance Coefficient of variation = 6/6/
65 Risk Measurement Absolute Risk: Overall dispersion of possible payoffs Measurement: variance, standard deviation The smaller variance or standard deviation, the lower the absolute risk. Relative Risk Variation in possible returns compared with the expected payoff amount Measurement: coefficient of Variation (CV), The lower the CV, the lower the relative risk. EV 6/6/
66 Principles of Baye s Strategy A project must not be undertaken unless it has an expected value that shows a profit The optimum decision would be the alternative that gives the highest expected value of profit 6/6/
67 Probabilities and Expected Values Baye s Strategy If probabilities are assigned to outcomes Decision is based on: The expected value which is the weighted average of these outcomes 6/6/
68 Expected Value Expected value EV x : denotes value of each possible outcome p : the probability of that outcome occurring 6/6/
69 Illustration : Forecast of profit of a project Profit / (Loss) $k p EV = * * * * 500 = +120 k Applying Baye s Strategy Decision: Go ahead with the project although a 0.4 probability of making a loss exists 6/6/
70 Example: 3 mutually exclusive options, A, B, C Each option has three possible outcomes: I with P(I) = 0.1 ; II with P(II) = 0.7 ; III with P(III) = 0.2 Conditional Profits ($k) Profit ($k) I II III Option A Option B Option C Using EV criterion, select the best option 6/6/
71 Solution EV of Options A: 0.1 * * * 80 = $ 60 k B: 0.1 * ( - 30 ) * * 120 = $ 77 k C: 0.1 * * * 150 = $ 59 k Option B is preferred 6/6/
72 Measures of fdispersioni Variance (σ 2) A measure of the spread of probability distribution Consider a random variable x Let its expected value E(x) be µ σ 2 = Var(x) = E(x - µ)2 6/6/
73 Let x be a random discrete variable taking values xn and probability pn σ 2 = E(x - µ) 2 = p 1 (x 1 -µ) 2 + p 2 (x 2 -µ) p n (x n -µ) 2 Standard deviation σ = E(x µ) 2 Coefficient of variation (COV) = µ / σ COV - a measure of the risk involved Larger value of COV signifies higher risk 6/6/
74 Example Land development projects in two districts Estimates of Income (x) Discuss the significance of the data 6/6/
75 Solution Expected value of net annual income E(x) = µ = Σ xi pi District A µ = 0.15 * * * * * 1000 = District B µ = 0.15 * * * * * 830 = Expected values are the same Study risks involved in the two options 6/6/
76 Measures of Risk An acceptable way of measuring risk Examine the probability distribution of the outcomes (annual net incomes) Compute the coefficient of variation (COV) 6/6/
77 6/6/
78 6/6/
79 6/6/
80 Decision Trees A diagrammatic representation of all the logical possibilities of a sequence of events Each event can occur in a finite numberof ways Displays the full range of alternative actions that can be taken Each decision by its nature limits the scope of later decisions An estimated value for each possible outcome is required The estimated values multiplied by their probabilities are "rolled back" to the start of the tree The decision-maker directed towards the line of action giving the optimum result 6/6/
81 Illustration The Flood Protection Agency is concerned about the damages that could be caused by a hurricane, if it strikes. It is aware that damages can be considerably reduced if a breakwater is built. Suppose the following estimates are made: 6/6/
82 Estimates Probability of a hurricane occurring in ayear during the planning horizon: p Damages if a hurricane strikes without the protection of a breakwater: D Damages if a hurricane strikes with the protection of a breakwater: q * D (q<1) Equivalent annual cost (during the planning horizon) of building a breakwater: C 6/6/
83 6/6/
84 Creating the Decision Tree Model Procedure Current Situation (Location 1) is a decisionmaking situation with two alternatives: No protection Build breakwater at cost C Location 1 is a Decision Node Draw branches to represent the alternatives A future situation (Location 2) - No protection option is taken The other future situation (Location 3) - Building breakwater option is adopted 6/6/
85 Creating the Decision Tree Model After the decision Location 2 or 3 becomes "current" situation Location 2 and 3 are Chance Nodes At chance nodes No decision is made One of many possible outcomes will occur The possible outcomes drawn as branches emanating from each of the chance nodes 6/6/
86 Creating the Decision Tree Model If there are no further situations The cost consequence for each outcome is indicated at the end of the branch The ends of the branches are known as Consequence Nodes 6/6/
87 6/6/
88 W is taken as the smaller value because the consequence is COST and a smaller cost would lead to a larger profit (Bayes Strategy) If consequence considered was profit then the larger value will be taken 6/6/
89 Example: Computer cards problem Past experience: 20 percent defective Two inspectors X and Y to check cards and mark Ok if Good Not Ok if Bad Probability of wrong classification = 0.1 Acceptance policy: Both inspectors must mark Ok 6/6/
90 6/6/
91 P (Correctly classified) = = Defective cards reaching customers P(Bad classified as Good) = /6/
92 6/6/
93 6/6/
94 Value of Information Probabilities assigned to outcomes depend on the information available Accuracy can be improved with better information How much is such information worth? Value of Perfect Information Perfect Information removes risk Choice will not depend on chance 6/6/
95 Consider example on Investment Decision If there is "Market" for the product Best option : High Investment : Profit $100 m If there is "No Market" for the product High Investment:Loss $ 60 m Low Investment: Loss $ 4 m Do nothing: Loss 0 - Best Option 6/6/
96 6/6/
97 EV with perfect information : $ 80 m EV without information : $ 68 m Value of perfect information = $ 80 m - $68m=$12m $12 m 6/6/
98 Value of Imperfect Information Perfect information is hard to come by. Continued from the previous example, decision-maker D hires Management Consultant firm, MC, to carry out market survey. Accuracy of MC s prediction: 85% accurate 15% inaccurate What s the value of imperfect information? 6/6/
99 6/6/
100 EV with imperfect information : $ 62.4 m EV without information : $ 68 m Value of imperfect information = $ 62.4 m - $68m= - $56m 5.6 => No need to hire MC. 6/6/
101 KEPUTUSAN DALAM SUASANA RISK ( DENGAN PROBABILITA ) Tahap-tahap: 1. Diawali dengan mengidentifikasikan 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 6/6/
102 Probabilitas dan Teori Keputusan BAGIAN Probabilitas dan Teori Keputusan Konsep-konsep Dasar Probabilitas Distribusi Probabilitas Diskret Distribusi Normal Teori Keputusan Pengertian dan Elemen-Elemen Keputusan Pengambilan Keputusan dalam Kondisi Risiko (Risk) Pengambilan Keputusan dalam Kondisi Ketidakpastian (Uncertainty) Analisis i Pohon Keputusan 6/6/
103 Teknik yang digunakan: a. Expected Value (Nilai Ekspektasi) b. Expected Opportunity Loss ( EOL ) Untuk meminimumkan kerugian yang disebabkan karena pemilihan alternatif keputusan tertentu. Keputusan yang direkomendasikan criteria expected value dan expected opportunity loss adalah sama, dan ini bukan suatu kebetulan karena kedua metode ini selalu memberikan hasil yang sama, sehingga cukup salah satu yang dipakai, tergantung tujuannya. Hanya criteria ini sangat tergantung pada perkiraan probabilita yang akurat. c. Expected Value of Perfect Information (EVPI) Merupakan perluasan dari criteria EV dan EOL, atau dengan kata lain informasi yang didapat pengambil keputusan dapat mengubah suasana risk menjadi certainty (membeli tambahan informasi untuk membantu pembuat keputusan). EVPI sama dengan EOL minimum (terbaik), karena EOL mengukur selisih EV terbaik keputusan dalam suasana risk dan certainty. 6/6/
104 Teknik yang digunakan: 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 panjang 2. Orang lebih memilih mendapatkan/memperoleh rejeki nomplok daripada mempertahankan sedikit yang dimiliki 6/6/
105 PERSOALAN INVENTORI SEDERHANA DALAM KEADAAN ADA RISIKO Kriteria nilai harapan (expected value) yang telah digunakan di atas juga diterapkan untuk memecahkan persoalan inventori sederhana. Untuk lebih jelasnya, perhatikan contoh soal berikut: 6/6/
106 GAME THEORY (Pengambilan Keputusan Dalam Suasana Konflik) Adalah memusatkan analisis keputusan dalam suasana konflik dimana pengambil keputusan menghadapi berbagai peristiwa yang aktif untuk bersaing dengan pengambil keputusan lainnya, yang rasional, tanggap dan bertujuan memenangkan persaingan/kompetisi. 6/6/
107 Pengelompokan Game Theory: 1. berdasarkan Jumlah Pemain: a. Two-persons games b. N-persons games 2. Berdasarkan Jumlah Pay off: a. Zero and constan sum games b. Non zero and non constan sum games 3. Berdasarkan Strategit yang dipilih: ilih a. Cooperative games b. Non cooperative games 4. Fokus pembahasan: 5. Two-persons, zero and constan sum games 6. Asumsi dalam game theory: a. Setiap pemain mengetahui dengan tepat pay off setiap kemungkinan 6/6/ kombinasi strategi yang tersedia.
108 Caranya: 1. Prinsip Maximin dan Minimax Karena nilai maximin = minimax, maka disebut matriks games mempunyai saddle point atau value of games senilai saddle point tersebut. Bila setiap pemain tidak berkeinginan merubah satu strategi yang telah dipilih, maka games itu merupakan pure strategy 2. Peranan Dominasi Suatu strategi dikatakan mendominasi apabila selalu menghasilkan pay off lebih tinggi dibandingkan dengan strategi yang lain. Strategi yang didominasi dapat dibuang dari matriks pay pyoff karena pemain tidak pernah memilihnya. Konsep dominasi berguna untuk matriks pay off ukuran besar. Aturan dominasi dapat diterapkan untuk mengurangi ukuran matriks sebelum analisis terakhir untuk menentukan solusi optimum. 6/6/
109 Caranya: 3. Mixed Strategy Menentukan probabilitas (kemungkinan) strategi yang ada yang digunakan dalam pertarunngan (kalau tidak ada pure strategy/tidak ada saddle point ) Caranya: a. Pendekatan EV / EG (expected Gain) b. Pendekatan EOL c. Menentukan nilai permainan 6/6/
110 ANALISIS MARKOV Analisis ini tidakmemberikankeputusanrekomendasi, keputusan rekomendasi, tetapi memberikan informasi probabilita situasi keputusan yang dapat membantu pengambil keputusan untuk membuat keputusannya, dengan kata lain bahwa analisis markov bukan merupakan teknik optimasi, tetapi merupakan teknik deskriptif yang menghasilkan informasi probabilita. Asumsi: 1. Probabilita baris berjumlah sama dengan 0 2. Probabilita berlaku bagi setiap siapa saja dalam system 3. Probabilita konstan sepanjang waktu 4. Merupakan kejadian-kejadian yang berdiri sendiri (independen) 6/6/
PENGENALAN SISTEM OPTIMASI. Oleh : Zuriman Anthony, ST. MT
PENGENALAN SISTEM OPTIMASI Oleh : Zuriman Anthony, ST. MT PENILAIAN 1. KEHADIRAN (25%) 2. TUGAS + KUIS (25%) 3. UTS (25%) 4. UAS (25%) 5. Terlambat maksimal 15 menit 6. Kehadiran minimal 10 kali di kelas
Lebih terperinciPERTEMUAN 6 TEORI PENGAMBILAN KEPUTUSAN
PERTEMUAN 6 TEORI PENGAMBILAN KEPUTUSAN Pertemuan 6 TEORI PENGAMBILAN KEPUTUSAN Objektif: 1. Mahasiswa dapat mencari penyelesaian masalah dengan model keputusan dalam kepastian 2. Mahasiswa dapat mencari
Lebih terperinciPertemuan 6 TEORI PENGAMBILAN KEPUTUSAN
Pertemuan 6 TEORI PENGAMBILAN KEPUTUSAN Objektif: 1. Mahasiswa dapat mencari penyelesaian masalah dengan model keputusan dalam kepastian 2. Mahasiswa dapat mencari penyelesaian masalah dengan model keputusan
Lebih terperinciPengertian Pengambilan Keputusan
Dadang Sunendar Pengertian Pengambilan Keputusan Pengambilan keputusan (desicion making) adalah melakukan penilaian dan menjatuhkan pilihan. Keputusan ini diambil setelah melalui beberapa perhitungan dan
Lebih terperinciTeknik Industri Unirversitas PGRI Ronggolawe Tuban
Isnain Ardiansyah Teknik Industri Unirversitas PGRI Ronggolawe Tuban Mengapa Keputusan Sulit Dibuat? 1. Kompleksitas Problem disusun dalam struktur yang dapat dianalisis 2. Uncertainty Mengidentifikasi
Lebih terperinciKeputusan Dalam Ketidakpastian dan Resiko
Keputusan Dalam Ketidakpastian dan Resiko Suasana pengambilan keputusan : dalam pasti (certainty), dalam keadaan resiko (risk), dalam ketidakpastian (uncertainty), dalam suasana konflik (conflict). Analisis
Lebih terperinciDecision Making Prentice Hall, Inc. A 1
Decision Making Product Design of ITATS Module based on Operation Management, 9e PowerPoint presentation to accompany Heizer/Render Lecturer: F. Priyo Suprobo, ST, MT 2008 Prentice Hall, Inc. A 1 Permasalahan
Lebih terperinciPengambilan Keputusan dalam Ketidakpastian
Bab 13 : Pengambilan Keputusan dalam Ketidakpastian 1 Ekonomi manajerial Manajemen 2 Pokok Bahasan Pengantar Keputusan Dalam Ketidakpastian Kriteria Maximin, Kriteria Maximax, Kriteria Minimax (Kroteria
Lebih terperinciDECISION THEORY DAN GAMES THEORY
DECISION THEORY DAN GAMES THEORY PENGANTAR Lingkungan di mana keputusan dibuat sering digolongkan kedalam empat keadaan: certainty, risk, uncertainty, dan conflict. Decision theory terutama berhubungan
Lebih terperinciChapter Topics. The payoff table and decision trees. Criteria for decision making
Decision Analysis Chapter Topics The payoff table and decision trees Opportunity loss Criteria for decision making Expected monetary value Expected opportunity loss Return to risk ratio Expected profit
Lebih terperinciBAB IX PROSES KEPUTUSAN
BAB IX PROSES KEPUTUSAN Lingkungan di mana keputusan dibuat sering digolongkan kedalam empat keadaan: certainty, risk, uncertainty, dan conflict. Decision theory terutama berhubungan dengan pengambilan
Lebih terperinciPENGAMBILAN KEPUTUSAN DALAM KONDISI BERESIKO
PENGAMBILAN KEPUTUSAN DALAM KONDISI BERESIKO Konsep Resiko RESIKO Resiko adalah kesempatan timbulnya kerugian; Resiko adalah ketidakpastian; Resiko adalah penyimpangan hasil aktual dari hasil yang diharapkan;
Lebih terperinciTeori Pengambilan Keputusan. Week 10 Decision Analysis Decision Tree
Teori Pengambilan Keputusan Week 10 Decision Analysis Decision Tree Six Steps in Decision Making 1. Clearly define the problem at hand. 2. List the possible alternatives. 3. Identify the possible outcomes
Lebih terperinciOUTLINE. BAGIAN II Probabilitas dan Teori Keputusan. Konsep-konsep Dasar Probabilitas. Distribusi Probabilitas Diskret.
TEORI KEPUTUSAN OUTLINE BAGIAN II Probabilitas dan Teori Keputusan Konsep-konsep Dasar Probabilitas Distribusi Probabilitas Diskret Distribusi Normal Teori Keputusan Pengertian dan Elemen- Elemen Keputusan
Lebih terperinciPengantar Matematika Asuransi. Winita Sulandari
Pengantar Matematika Asuransi Winita Sulandari What is insurance mathematics? Insurance mathematics is the area of applied mathematics that studies different risks to individuals, property and businesses,
Lebih terperinciMetode Kuantitatif Bisnis. Week 9 Decision Analysis Decision Table
Metode Kuantitatif Bisnis Week 9 Decision Analysis Decision Table Six Steps in Decision Making 1. Clearly define the problem at hand. 2. List the possible alternatives. 3. Identify the possible outcomes
Lebih terperinciPENGAMBILAN KEPUTUSAN DALAM KONDISI BERESIKO IRA PRASETYANINGRUM
PENGAMBILAN KEPUTUSAN DALAM KONDISI BERESIKO IRA PRASETYANINGRUM Konsep Resiko RESIKO Resiko adalah kesempatan timbulnya kerugian; Resiko adalah ketidakpastian; Resiko adalah penyimpangan hasil aktual
Lebih terperinciTIN102 - Pengantar Teknik Industri Materi #13 Ganjil 2016/2017 TIN102 PENGANTAR TEKNIK INDUSTRI
Materi #13 TIN102 PENGANTAR TEKNIK INDUSTRI Pendahuluan (1/2) 2 Berbagai keputusan secara langka dibuat dengan kepastian. Sebagian besar keputusan melibatkan faktor resiko. Kriteria umum untuk menilai
Lebih terperinciMateri #13 TKT101 PENGANTAR TEKNIK INDUSTRI T a u f i q u r R a c h m a n
Materi #13 TKT101 PENGANTAR TEKNIK INDUSTRI Kemampuan Akhir Yang Diharapkan 2 Mampu membandingkan antara kondisi nyata dengan penerapan teori yang telah dipelajari. Indikator Penilaian Ketepatan dalam
Lebih terperinciPENGAMBILAN KEPUTUSAN MANAJEMEN
PENGAMBILAN KEPUTUSAN MANAJEMEN BAB 6. KONDISI PENGAMBILAN KEPUTUSAN 1. Pendahuluan 2. Kondisi Pengambilan Keputusan dalam Kepastian 3. Kondisi Pengambilan Keputusan dalam Ketidakpastian 4. Kondisi Pengambilan
Lebih terperinciKeputusan MODUL OLEH
Modul 5. Penanganan Ketidakpastian dan Diagram Keputusan ANALISAA SISTEM DAN PENGAMBILAN KEPUTUSAN MODUL V: PENANGANAN KETIDAKPASTIAN DAN DIAGRAM KEPUTUSAN OLEH : Prof. Dr. Ir. Marimin, M.Sc DEPARTEMEN
Lebih terperinciRISK ANALYSIS MANAGERIAL:
RISK ANALYSIS MANAGERIAL: TEKNIK OPTIMASI, TEKNIK ANALISIS RESIKO DAN PENDUGAAN Dr. Mohammad Abdul Mukhyi, SE., MM 2 3 Teknik Analisis Resiko Menghitung resiko dengan probabilitas distribusi kemungkinan
Lebih terperinciTIN102 - Pengantar Teknik Industri Materi #12 Ganjil 2014/2015 TIN102 PENGANTAR TEKNIK INDUSTRI
Materi #11 TIN102 PENGANTAR TEKNIK INDUSTRI Pendahuluan 2 Berbagai keputusan secara langka dibuat dengan kepastian. Sebagian besar keputusan melibatkan faktor resiko. Kriteria umum untuk menilai keputusan
Lebih terperinciMaking Decisions and Solving Problems. Lecture Outlines, Kreitner
Making Decisions and Solving Problems Lecture Outlines, Kreitner Inti pengambilan keputusan: berarti memilih alternatif, yg jelas harus alternatif yg terbaik (the best alternative) Contoh pengambilan keputusan
Lebih terperinciStatistik Bisnis 1. Week 9 Discrete Probability
Statistik Bisnis 1 Week 9 Discrete Probability Random Variables Random Variables Discrete Random Variable Continuous Random Variable Wk. 9 Wk. 10 Probability Distributions Probability Distributions Wk.
Lebih terperinciSI403 Riset Operasi Suryo Widiantoro, MMSI, M.Com(IS)
SI403 Riset Operasi Suryo Widiantoro, MMSI, M.Com(IS) Mahasiswa mampu menggunakan modelmodel pengambilan keputusan untuk mengelola proses dan rantai pasok 1. Decision theory 2. Decision tree Pada pertemuan
Lebih terperinciSTATISTICAL THINKING DALAM MENGAMBIL KEPUTUSAN BISNIS. Rezzy Eko Caraka
STATISTICAL THINKING DALAM MENGAMBIL KEPUTUSAN BISNIS Rezzy Eko Caraka Dewasa ini para pelaku bisnis dituntut untuk memiliki suatu ide berinovasi dalam mengatasi persaingan antar pelaku bisnis yang semakin
Lebih terperinciBAB I DASAR SISTEM OPTIMASI
BAB I DASAR SISTEM OPTIMASI. Pendahuluan Teknik optimasi merupakan suatu cara yang dilakukan untuk memberikan hasil terbaik yang diinginkan. Teknik optimasi ini banyak memberikan menfaat dalam mengambil
Lebih terperinciBAB 2 LANDASAN TEORI
8 BAB 2 LANDASAN TEORI Pada bab ini akan dibahas beberapa konsep teori permainan pada permainan berstrategi murni dan campuran dari dua pemain yang akan digunakan sebagai landasan berpikir dalam melakukan
Lebih terperinciMANAJEMEN (RISK MANAGEMENT)
MANAJEMEN RESIKO (RISK MANAGEMENT) D E F I N I S I Resiko: Ukuran probability dan konsekwensi tidak tercapainya tujuan proyek yang telah ditentukan: could be anything Tidak mudah untuk diketahui mengingat
Lebih terperinciLatihan soal decision making
Latihan soal decision making Ann Tyler baru mendapat warisan peninggalan dari kakek dan neneknya. Ia sedang mencoba memutuskan satu dari beberapa alternatif investasi. Tingkat pengembalian setelah 1 tahun
Lebih terperinciStatistik Bisnis 1. Week 9 Discrete Probability Binomial and Poisson Distribution
Statistik Bisnis 1 Week 9 Discrete Probability Binomial and Poisson Distribution Agenda 15 minutes 45 minutes 30 minutes Attendance check Discussion Exercise Learning Objectives In this chapter, you learn:
Lebih terperinciPENYEMPURNAAN PENGAMBILAN KEPUTUSAN MENGGUNAKAN MODEL FRIEDMAN DENGAN BANTUAN MODEL TEORI UTILITAS DAN AHP ( ANALYTIC HIERARCHY PROCESS )
PENYEMPURNAAN PENGAMBILAN KEPUTUSAN MENGGUNAKAN MODEL FRIEDMAN DENGAN BANTUAN MODEL TEORI UTILITAS DAN AHP ( ANALYTIC HIERARCHY PROCESS ) Studi kasus : Strategi penawaran PT. Yala Perkasa International
Lebih terperinciMATERI TAMBAHAN TEORI PENGAMBILAN KEPUTUSAN (Sumber Bambang Avip Priatna Martadiputra)
MATERI TAMBAHAN TEORI PENGAMBILAN KEPUTUSAN (Sumber Bambang Avip Priatna Martadiputra) 1. Pengambilan Keputusan dalam keadaan ada kepastian Keputusan dalam keadaan ada kepastian (certainty), terjadi apabila
Lebih terperinciKasus di atas dapat diselesaikan menggunakan analisis breakeven.
I. Analisis Break-Even Analisis break-even merupakan salah satu teknik analisis ekonomi yang berguna dalam menghubungkan biaya variabel total (TVC) dan biaya tetap total (TFC) terhadap output produksi
Lebih terperinciPENGAMBILAN KEPUTUSAN DALAM KEADAAN RISIKO UNTUK PENENTUAN JUMLAH PRODUKSI
56 Dinamika Teknik Juli PENGAMBILAN KEPUTUSAN DALAM KEADAAN RISIKO UNTUK PENENTUAN JUMLAH PRODUKSI Widiyanto TriHandoko, Antono Adhi Dosen Fakultas Teknologi Informasi, Fakultas Teknik Universitas Stikubank
Lebih terperinciMANAJEMEN PROYEK LANJUT
MANAJEMEN PROYEK LANJUT Advance Project Management Dr. Ir. Budi Susetyo, MT Fakultas TEKNIK Program Magister SIPIL - MK www.mercubuana.ac.id 1 Bagian Isi 1. PM and Project financial management 2. Money
Lebih terperinciMakalah Ekonomi Manajerial Tentang Pengambilan Keputusan Dalam Kondisi Beresiko
Makalah Ekonomi Manajerial Tentang Pengambilan Keputusan Dalam Kondisi Beresiko Disusun oleh: Kelompok 13 Nama Anggota : Dimas Widyotomo (125020207111048) Rizkie Imadudien L ( 125020205111004) Jurusan
Lebih terperinciBAB IV TEORI PERMAINAN
BAB IV TEORI PERMAINAN Teori permainan merupakan suatu model matematika yang digunakan dalam situasi konflik atau persaingan antara berbagai kepentingan yang saling berhadapan sebagai pesaing. Dalam permaian
Lebih terperinciSIMULASI MONTE CARLO RISK MANAGEMENT DEPARTMENT OF INDUSTRIAL ENGINEERING
SIMULASI MONTE CARLO RISK MANAGEMENT DEPARTMENT OF INDUSTRIAL ENGINEERING PENGANTAR Simulasi Monte Carlo didefinisikan sebagai semua teknik sampling statistik yang digunakan untuk memperkirakan solusi
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Pengertian Keputusan dan Pengambilan Keputusan Suatu masalah keputusan memiliki suatu lingkup yang berbeda dengan masalah lainnya. Perbedaan ini menonjol terutama karena adanya
Lebih terperinciCAPITAL BUDGETING. Penganggaran Modal (Capital Budgeting) Modal (Capital) menunjukkan aktiva tetap yang digunakan untuk produksi
BAB I4 PENGANGGARAN MODAL CAPITAL BUDGETING Penganggaran Modal (Capital Budgeting) Modal (Capital) menunjukkan aktiva tetap yang digunakan untuk produksi Anggaran (budget) adalah sebuah rencana rinci yg
Lebih terperinciLatihan soal (mata kuliah: Teknik Riset Operasi) By. Rita Wiryasaputra, ST., M. Cs.
Latihan soal (mata kuliah: Teknik Riset Operasi) By. Rita Wiryasaputra, ST., M. Cs. Model matematis permasalahan linear programming untuk diselesaikan dengan metode simplex Ditentukan fungsi tujuan : Z
Lebih terperinciPemain B B 1 B 2 B 3 9 5
TEORI PERMAINAN Teori permainan (game theory) adalah suatu pendekatan matematis untuk merumuskan situasi persaingan dan konflik antara berbagai kepentingan. Teori dikembangkan untuk menganalisa proses
Lebih terperinciINTRODUCTION TO DECISION ANALYSIS
INTRODUCTION TO DECISION ANALYSIS ANALISA KEPUTUSAN Permasalahan yang kompleks: hard decision perlu hard thinking Analisa keputusan memberikan struktur dan pedoman untuk berpikir secara sistematis dalam
Lebih terperinciRISK AND RETURN 1. RISK AND RETURN FUNDAMENTALS. Untuk memaksimumkan harga saham, financial manager harus menetapkan risk dan return.
RISK AND RETURN 1. RISK AND RETURN FUNDAMENTALS Untuk memaksimumkan harga saham, financial manager harus menetapkan risk dan return. Resiko (risk) Adalah suatu kesempatan terjadinya kerugian keuangan atau
Lebih terperinciStatistik Bisnis 1. Week 8 Basic Probability
Statistik Bisnis 1 Week 8 Basic Probability Objectives By the end of this class student should be able to: Understand different types of probabilities Compute probabilities Revise probabilities in light
Lebih terperinciModal (Capital) menunjukkan aktiva tetap yang digunakan untuk produksi
Modal (Capital) menunjukkan aktiva tetap yang digunakan untuk produksi Anggaran (budget) adalah sebuah rencana rinci yg memproyeksikan aliran kas masuk dan aliran kas keluar selama beberapa periode pada
Lebih terperinciSesi X ANALISIS KEPUTUSAN
Mata Kuliah :: Riset Operasi Kode MK : TKS 4019 Pengampu : Achfas Zacoeb Sesi X ANALISIS KEPUTUSAN e-mail : zacoeb@ub.ac.id www.zacoeb.lecture.ub.ac.id Hp. 081233978339 Pendahuluan Causes Problems Actions
Lebih terperinciPENGAMBILAN KEPUTUSAN DALAM KONDISI KONFLIK (GAME THEORY)
PENGAMBILAN KEPUTUSAN DALAM KONDISI KONFLIK (GAME THEORY) Definisi Suatu pendekatan matematis untuk merumuskan situasi persaingan/pertentangan (konflik) antara berbagai pihak yang memiliki kepentingan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 21 Teori Himpunan Fuzzy Pada himpunan tegas (crisp), nilai keanggotaan suatu item x dalam himpunan A, yang sering ditulis dengan memiliki dua kemungkinan, yaitu: 1 Nol (0), yang berarti
Lebih terperinciMKDB UAS Semester Genap 2014/2015
MOJAKOE MOdul JAwaban KOEliah MKDB UAS Semester Genap 2014/2015 t@spafebui fspa FEB UI Dilarang memperbanyak MOJAKOE ini tanpa seijin SPA FEB UI. Official Partners: 1 2 3 4 SOAL 1 MODELLING LINEAR PROGRAMMING
Lebih terperinciBAB 3 METODE PENELITIAN. Desain penelitian dalam penelitian ini menggunakan metode deskriptif, yaitu suatu
BAB 3 METODE PENELITIAN 3.1 Disain Penelitian Desain penelitian dalam penelitian ini menggunakan metode deskriptif, yaitu suatu metode suatu objek, suatu sistem pemikiran, ataupun suatu peristiwa pada
Lebih terperinciDecision Theory (Analysis)
Decision Theory (Analysis) Dapat digunakan dlm situasi dimana pembuat keputusan mempunyai beberapa alternatif tindakan (keputusan) tapi juga menghadapi sekumpulan kejadian yg mungkin terjadi dimasa datang
Lebih terperinciPENGANGGARAN MODAL Capital Budgeting
PENGANGGARAN MODAL Capital Budgeting Penganggaran Modal (Capital Budgeting) Modal (Capital) menunjukkan aktiva tetap yang digunakan untuk produksi Anggaran (budget) adalah sebuah rencana rinci yg memproyeksikan
Lebih terperinciSimulation. Prepared by Akhid Yulianto, SE, MSC (Log) Based on Anderson, Sweeney, and Williams Thomson ΤΜ /South-Western Slide
Simulation Prepared by Akhid Yulianto, SE, MSC (Log) Based on Anderson, Sweeney, and Williams 1 Simulation Kebaikan dan kelemahan menggunakan simulation Modeling Random Variables and Pseudo-Random Numbers
Lebih terperinciPenganggaran Modal (Capital Budgeting)
Capital Budgeting Penganggaran Modal (Capital Budgeting) Modal (Capital) menunjukkan aktiva tetap yang digunakan untuk produksi Anggaran (budget) adalah sebuah rencana rinci yg memproyeksikan aliran kas
Lebih terperinciAnalisis dan Dampak Leverage
Analisis dan Dampak Leverage leverage penggunaan assets dan sumber dana oleh perusahaan yang memiliki biaya tetap dengan maksud agar peningkatan keuntungan potensial pemegang saham. leverage juga meningkatkan
Lebih terperinciPertemuan 7 GAME THEORY / TEORI PERMAINAN
Pertemuan 7 GAME THEORY / TEORI PERMAINAN Objektif: 1. Mahasiswa dapat merumuskan masalah dalam game theory / teori permainan 2. Mahasiswa dapat mencari penyelesaian masalah dalam proses pengambilan keputusan
Lebih terperinciPengambilan Keputusan dalam Keadaan Tidak Ada Kepastian IRA PRASETYANIGRUM
Pengambilan Keputusan dalam Keadaan Tidak Ada Kepastian IRA PRASETYANIGRUM Pengambilan Keputusan dalam Keadaan Tidak Ada Kepastian Keputusan dalam keadaan tidak ada kepastian terjadi jika pengambilan keputusan
Lebih terperinciPERTEMUAN 4. Proses Perencanaan (lanjutan) Decision-making DECISION MAKING PROCESS
PERTEMUAN 4 Proses Perencanaan (lanjutan) TUJUAN INSTRUKSIONAL KHUSUS Mahasiswa dapat memahami proses pengambilan keputusan yang baik dan benar sebagai bagian dari perencanaan dalam organisasi Sub Pokok
Lebih terperinciLINEAR PROGRAMMING-1
/5/ LINEAR PROGRAMMING- DR.MOHAMMAD ABDUL MUKHYI, SE., MM METODE KUANTITATIF Perumusan PL Ada tiga unsur dasar dari PL, ialah:. Fungsi Tujuan. Fungsi Pembatas (set ketidak samaan/pembatas strukturis) 3.
Lebih terperinciBab 2 LANDASAN TEORI
8 Bab 2 LANDASAN TEORI 2.1. Definisi Dasar Himpunan semua hasil (outcome) yang mungkin dari suatu percobaan disebut ruang sampel (sample space) dinyatakan dengan lambang T dan setiap hasil dalam ruang
Lebih terperinciTEORI PERMAINAN GAME THEORY MATA KULIAH RISET OPERASI
TEORI PERMAINAN GAME THEORY MATA KULIAH RISET OPERASI KETENTUAN UMUM 1. Teori permainan memusatkan pada analisis keputusan dalam suasana konflik 2. Setiap pemain bermain rasional, dengan asumsi memiliki
Lebih terperinciTIN205 - Ekonomi Teknik Materi #8 Genap 2015/2016 TIN205 EKONOMI TEKNIK
TIN205 - Ekonomi Teknik Materi #8 TIN205 EKONOMI TEKNIK Definition 2 Synonym: IRR (Internal Rate of Return). Popular measurement on investment worth. Which one represent the correct interpretation of ROR?
Lebih terperinciChapter 7 Charles P. Jones, Investments: Principles and Concepts, Eleventh Edition, John Wiley & Sons 7-1
Chapter 7 Charles P. Jones, Investments: Principles and Concepts, Eleventh Edition, John Wiley & Sons 1 Melibatkan ketidakpastian Fokus pada expected returns Diperlukan estimasi return masa depan supaya
Lebih terperinciCAPITAL BUDGETING AND RISK ANALYSIS
CAPITAL BUDGETING AND RISK ANALYSIS Ukuran-ukuran Risiko Proyek Risiko Proyek yang berdiri sendiri Ukuran-ukuran Risiko Proyek Risiko Proyek yang berdiri sendiri Risiko didiversifikasikan dalam perusahan
Lebih terperinciMetode Pemulusan Eksponensial Sederhana
Metode Pemulusan Eksponensial Sederhana (Single Exponential Smoothing) KULIAH 3 METODE PERAMALAN DERET WAKTU rahmaanisa@apps.ipb.ac.id Review Untuk apa metode pemulusan (smoothing) dilakukan terhadap data
Lebih terperinciMedan, Juli Penulis
9. Seluruh teman-teman seperjuangan di Ekstensi Matematika Statistika, dan semua pihak yang turut membantu menyelesaikan skripsi ini. Sepenuhnya penulis menyadari bahwa dalam penulisan skripsi ini masih
Lebih terperinciAnalisa Keputusan Manajemen dengan Pemrograman Dinamis
Analisa Keputusan Manajemen dengan Pemrograman Dinamis A. Anshorimuslim S. - 13509064 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10
Lebih terperinciDiskripsi: Types of Statistics dan Penyajian Data
Diskripsi: Types of Statistics dan Penyajian Data summary, diskripsi data dengan angka: Mean, Median, Range, Standard Deviation, Variance, Min, Max, etc. Descriptive statistics of a POPULATION mean N population
Lebih terperinciPENGAMBILAN JUMLAH SAMPEL OPTIMAL MENGGUNAKAN FUNGSI NILAI INFORMASI SAMPEL. Sri Redjeki, Enny Itje Sela *
PENGAMBILAN JUMLAH SAMPEL OPTIMAL MENGGUNAKAN FUNGSI NILAI INFORMASI SAMPEL Sri Redjeki, Enny Itje Sela * ABSTRAK PENGAMBILAN JUMLAH SAMPEL OPTIMAL MENGGUNAKAN FUNGSI NILAI INFORMASI SAMPEL. Untuk mengurangi
Lebih terperinciABSTRACT. Key words: differential accounting, net present value method (NPV), payback period method, decision making. Universitas Kristen Maranatha
ABSTRACT The purpose of this research is to know how much important the differential accounting have a role for making a desicion. This research is talking about a printing company that have a problem
Lebih terperinciANALISA HAZARD GEMPA DENGAN GEOMETRI SUMBER GEMPA TIGA DIMENSI UNTUK PULAU IRIAN TESIS MAGISTER. Oleh : Arvila Delitriana
ANALISA HAZARD GEMPA DENGAN GEOMETRI SUMBER GEMPA TIGA DIMENSI UNTUK PULAU IRIAN TESIS MAGISTER Oleh : Arvila Delitriana DEPARTEMEN TEKNIK SIPIL PROGRAM PASCASARJANA INSTITUT TEKNOLOGI BANDUNG 2003 ABSTRAK
Lebih terperinciTeori Permainan. Lecture 8 : Pengambilan Keputusan dalam Kondisi Konflik (Game Theory) Hanna Lestari, ST, M.Eng
Teori Permainan Lecture 8 : Pengambilan Keputusan dalam Kondisi Konflik (Game Theory) Hanna Lestari, ST, M.Eng Dalam dunia bisnis yang kompetitif kita tidak terlepas dari adanya persaingan dengan kompetitor.
Lebih terperinciTeori Pengambilan Keputusan. Week 7 Assignment Method
Teori Pengambilan Keputusan Week 7 Assignment Method Assignment Method A special class of linear programming models that assign tasks or jobs to resources Only one job (or worker) is assigned to one machine
Lebih terperinciPERBANDINGAN KRITERIA KEPUTUSAN MAXIMIN DENGAN KRITERIA KEPUTUSAN LAPLACE PADA PENCARIAN SOLUSI PROGRAM LINIER FUZZY SKRIPSI MELVA YETTI SIHOTANG
PERBANDINGAN KRITERIA KEPUTUSAN MAXIMIN DENGAN KRITERIA KEPUTUSAN LAPLACE PADA PENCARIAN SOLUSI PROGRAM LINIER FUZZY SKRIPSI MELVA YETTI SIHOTANG 070803024 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN
Lebih terperinciSistem Informasi. Soal Dengan 2 Bahasa: Bahasa Indonesia Dan Bahasa Inggris
Sistem Informasi Soal Dengan 2 Bahasa: Bahasa Indonesia Dan Bahasa Inggris 1. Kita mengetahui bahwa perkembangan teknologi di zaman sekarang sangat pesat dan banyak hal yang berubah dalam kehidupan kita.
Lebih terperinciMODULE 1 GRADE XI VARIATION OF EXPRESSIONS
MODULE 1 GRADE XI VARIATION OF EXPRESSIONS Compiled by: Theresia Riya Vernalita H., S.Pd. Kompetensi Dasar 3.1 Menganalisis fungsi sosial, struktur teks, dan unsur kebahasaan pada ungkapan memberi saran
Lebih terperinciSTRATEGI GAME. Achmad Basuki
STRATEGI GAME Achmad Basuki MATERI Strategi dalam Permainan Strategi Murni Strategi Campuran Penyelesaian Analisis (Metode Linear Programming) STRATEGI DALAM PERMAIAN BENTUK STRATEGI PERMAINAN 2 pemain
Lebih terperinciANALISIS RISIKO DALAM KEPUTUSAN INVESTASI. Suprihatmi Sri Wardiningsih Fakultas Ekonomi Universitas Slamet Riyadi Surakarta
ANALISIS RISIKO DALAM KEPUTUSAN INVESTASI Suprihatmi Sri Wardiningsih Fakultas Ekonomi Universitas Slamet Riyadi Surakarta ABSTRACT In investment decisions, management must deal with uncertainty in the
Lebih terperinciMasalah Penugasan (Assignment Problem) Bentuk khusus metode transportasi
Masalah Penugasan (Assignment Problem) Bentuk khusus metode transportasi Introduction Kasus-kasus yang dapat diselesaikan dengan metode penugasan adalah : Penugasan beberapa karyawan untuk menyelesaikan
Lebih terperinciMANAJEMEN PERSEDIAAN. Persediaan Surplus Persediaan Mati. Prepared by: Dr. Sawarni Hasibuan. Modul ke: Fakultas FEB. Program Studi Manajemen
MANAJEMEN PERSEDIAAN Modul ke: Persediaan Surplus Persediaan Mati Fakultas FEB Prepared by: Dr. Sawarni Hasibuan Program Studi Manajemen www.mercubuana.ac.id PENGAWASAN PERSEDIAAN Pengawasan Fisik Pengawasan
Lebih terperinciTEORI PENGAMBILAN KEPUTUSAN. Liduina Asih Primandari, S.Si.,M.Si.
TEORI PENGAMBILAN KEPUTUSAN Liduina Asih Primandari, S.Si.,M.Si. MATERI - 2 KONSEP PROBABILITAS PENGAMBILAN KEPUTUSAN KONDISI BERESIKO DALAM PENGAMBILAN KEPUTUSAN KONDISI TIDAK PASTI DALAM PENGAMBILAN
Lebih terperinciTeori Pengambilan Keputusan
Teori Pengambilan Keputusan Iman Murtono Soenhadji Jurusan Manajemen Fakultas Ekonomi Iman Murtono Soenhadji 1 Bab 1: Pendahuluan Pengertian Pengambilan Keputusan dikemukakan oleh, Ralp C. Davis; Mary
Lebih terperinciOverview Planning Project didasarkan pada sejumlah estimasi yang mencerminkan pemahaman thd situasi yang sekarang, informasi tersedia, dan asumsi yang
Risk Management Overview Planning Project didasarkan pada sejumlah estimasi yang mencerminkan pemahaman thd situasi yang sekarang, informasi tersedia, dan asumsi yang kita buat. Faktanya kita harus menaksir
Lebih terperinciBAB III GAME THEORY. Dalam kehidupan sehari-hari sering dijumpai kegiatan-kegiatan yang
7 BAB III GAME THEORY 3. Pengantar Game Theory Dalam kehidupan sehari-hari sering dijumpai kegiatan-kegiatan yang bersifat kompetitif yang diwarnai persaingan atau konflik. Persaingan atau konflik ini
Lebih terperinciTEORI PERMAINAN. JHON HENDRI RISET OPERASIONAL UNIVERSITAS GUNADARMA 2009 Page 1
TEORI PERMAIA Teori permainan merupakan suatu model matematika yang digunakan dalam situasi konflik atau persaingan antara berbagai kepentingan yang saling berhadapan sebagai pesaing. Dalam permaian peserta
Lebih terperinciABSTRAK. Kata kunci: Pengendalian Persediaan, Model Probabilistik, Metode Q, Biaya Total Persediaan. viii. Universitas Kristen Maranatha
ABSTRAK PT.X merupakan perusahaan yang bergerak dalam bidang home industry yang membuat karpet. Produk karpet yang dibuat oleh PT.X mempunyai 3 bahan utama yaitu busa, kain, rafsur, dan kain alas. Pada
Lebih terperinciOptimisasi dengan batasan persamaan (Optimization with equality constraints) Mengapa batasan relevan dalam kajian ekonomi?
Optimisasi dengan batasan persamaan (Optimization with equality constraints) Mengapa batasan relevan dalam kajian ekonomi? Masalah ekonomi timbul karena kelangkaan (scarcity). Kelangkaan menyebabkan keputusan
Lebih terperinci1.1 Definisi Keputusan. Definisi:
Program Pasca Sarjana S2 Elektro Sistem Penunjang Pengambilan Keputusan Decision Support System 2008-2009 BAB II TEORI KEPUTUSAN 1.1 Definisi Keputusan Definisi: Choice made between alternative courses
Lebih terperinciSchool of Communication & Business Telkom University
Week-10b By: Dr. Ida Nurnida PENGERTIAN Secara etimologis : bahasa Inggris decide berasal dari bahasa latin ( de berarti of dan caedo berarti to cut ), yang berarti cuts off, yaitu memutuskan memilih alternatif
Lebih terperinciSistem Pendukung Keputusan / Decision Support System
Sistem Pendukung Keputusan / Decision Support System Pengantar DSS & Management Support System Oleh : Imam Cholissodin S.Si., M.Kom Sub Pokok Bahasan Pengantar DSS : 1. Mengapa Mempelajari DSS 2. Definisi
Lebih terperinciTUGAS BROWSING. Diajukan untuk memenuhi salah satu tugas Eksperimen Fisika Dasar 1. Di susun oleh : INDRI SARI UTAMI PEND. FISIKA / B EFD-1 / C
TUGAS BROWSING Diajukan untuk memenuhi salah satu tugas Eksperimen Fisika Dasar 1 Di susun oleh : INDRI SARI UTAMI 060888 PEND. FISIKA / B EFD-1 / C JURUSAN PENDIDIKAN FISIKA FAKULTAS PENDIDIKAN MATEMATIKA
Lebih terperinciDefinisi & Latar Belakang...(1/2)
Materi #9 CCR314 RISET OPERSIONL Definisi & Latar Belakang...(1/2) 2 Game theory dapat disebut juga Teori Permainan. Suatu pendekatan matematis untuk merumuskan situasi persaingan/pertentangan (konflik)
Lebih terperinciABSTRACT. Keywords: capital budgeting, investment, expansion, payback period, net present value, internal rate of return UNIVERSITAS KRISTEN MARANATHA
vi ABSTRACT Companies are often faced with opportunities to make investments in assetss.the investment consists of two: long term investments and short term investments. One of the long term investment
Lebih terperinciManajemen Keuangan. Dosen : D. Rizal Riyadi SE,.ME
Manajemen Keuangan Dosen : D. Rizal Riyadi SE,.ME Silabus Dasar-dasar Manajemen Keuangan, J Fred Weston & EF Brigham, Penerbit Erlangga Manajemen Keuangan Pengertian Manajemen dana baik yang berkaitan
Lebih terperinciDefinisi & Latar Belakang...(1)
Definisi & Latar Belakang...(1) Game theory dapat disebut juga Teori Permainan. Suatu pendekatan matematis untuk merumuskan situasi persaingan/pertentangan (konflik) antara berbagai pihak yang memiliki
Lebih terperinciTeori permainan mula-mula dikembangkan oleh ilmuan Prancis bernama Emile Borel, secara umum digunakan untuk menyelesaikan masalah yang
BAB 2 LANDASAN TEORI 2.1 Strategi Pemasaran Strategi pemasaran adalah pola pikir pemasaran yang akan digunakan untuk mencapai tujuan pemasarannya. Strategi pemasaran berisi strategi spesifik untuk pasar
Lebih terperinciMODIFIKASI METODE BACKTRACKING UNTUK MEMBANTU MENCARI PENYELESAIAN PERMAINAN PEG SOLITAIRE
MODIFIKASI METODE BACKTRACKING UNTUK MEMBANTU MENCARI PENYELESAIAN PERMAINAN PEG SOLITAIRE Susana Limanto dan Monica Widiasri Universitas Surabaya, Surabaya susana @ubaya.ad.id dan monica@ubaya.ac.id ABSTRACT
Lebih terperinci