Keputusan MODUL OLEH

Ukuran: px
Mulai penontonan dengan halaman:

Download "Keputusan MODUL OLEH"

Transkripsi

1 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 TEKNOLOGI INDUSTRI PERTANIAN FAKULTAS TEKNOLOGI PERTANIAN INSTITUT PERTANIAN BOGOR

2 V. PENANGANAN KETIDAKPASTIAN DAN DIAGRAM KEPUTUSAN A. KEPUTUSAN DALAM KETIDAK PASTIAN Ketidakpastian merupakan hal yang sangat sering terjadi dalam pengambilan keputusan. Sebagai misal dalam pada kasus industri tertentu berkeinginan untuk mengevaluasi kinerjanya dalam rangka pengembangan ke depan. Dalam hal ini ada dua kemungkinan situasi yang akan terjadi pada masa mendatang (state of nature), yaitu kondisi ekonomi baik dan kondisi ekonomi kurang baik. Terdapat beberapa alternatif keputusan yang dapat dipilih yaitu memperluas perusahaan, status quo dan menjual perusahaan. Tabel Payoff adalah tabel yang menyajikan nilai keuntungan setiap state of nature pada masing-masing alternatif keputusan. Sebagai misal persoalan tersebut dapat dinyatakan dalam table payoff sebagai berikut: Tabel 4.1. Tabel pay off keputusan pengembangan suatu industri. Decision Making Under Uncertainty Example Alternatif States Of Nature Keputusan Kondisi Ekonomi Bagus Kondisi Ekonomi Buruk Ekspansi $ $ Tetap Dijual Persoalan tersebut dapat diselesaiikan dengan metode: A.1 Maximax Maximax adalah metode yang optimis dalam pengambilan keputusan yang sering digunakan oleh kelompok optimis. Mereka beranggapan bahwa state of nature yang akan terjadi adalah kejadian positif yang memberikan keuntungan terbesar untuk sebuah keputusan. Kriteria maximax memungkinkan pengambil keputusan yang optimis untuk memberikan nilai yang besar dengan memaksimumkan payoff. Rumus Matematika dari Maximax adalah : Pj = f(maks f(p Maks i)) 49

3 P P Maks i i j = payoff dari alternatif keputusan yang akan diambil = Payoff Maksimum dari state of nature i = jumlah dari state of nature (1,2,3, dst) = jumlah dari alternative (1,2,3, dst) Prosedurnya adalah dipilih nilai maksimum dari maksimum payoff pada setiap alternatif keputusan. Solusi maximax pada persolanan tabel 1 adalah maximum(800000, , ) atau sama dengan yaitu mempertahankan industri yang ada tanpa melakukan perubahan. A.2 Maximin Metode Maximin adalah metode dengan prinsip pesimistik. Tak ada alasan tertentu untuk berpendapat bahwa pengambil keputusan perlu seseorang yang optimistik. Abraham Wald berpendapat bahwa mereka harus mengambil dari yang berpandangan paling pesimistik dan memperlakukannya sebagai lawan. Dalam memformulasikan kriteria maksimisasi payoff minimum, Wald beralasan bahwa pengambil keputusan harus mengikuti asumsi bahwa keadaan sesungguhnya berlawanan dengannya dan harus bertindak sejalan. Rumus Matematika dari Maximin adalah : Pj P P Min i i j = f(maks f(p Min i)) = payoff dari alternatif keputusan yang akan diambil = Payoff minimum dari state of nature ke i = jumlah dari state of nature (1,2,3, dst) = jumlah dari alternative (1,2,3, dst) Dengan maximin pilihlah keputusan yang memiliki nilai kemungkinan terbesar dari keluaran yang paling tidak dikehendaki. Dengan menggunakan kasus yang sama seperti diatas, dipilih nilai maksimum dari nilai minimum payoff pada setiap alternatif keputusan. Solusi maximin pada persoalan tabel 3.1 adalah maximum (500000, , ) atau sama dengan yaitu memperbesar perusahaan. A.3. Minimax regret. Minimax regret diformulasikan oleh Leonard Savage. Kriteria ini juga merupakan criteria keputusan orang-orang pesimis. Premis dalam kasus ini adalah setelah pilihan keputusan telah dipilih dan keadaan sesungguhnya terjadi, pengambil keputusan menerima payoff sesuai dengan pilihan yang dilakukannya. Jika kenyataannya bukan merupakan hal yang paling 50

4 dikehendaki untuk keadaan sesungguhnya yang benar-benar terjadi, pengambil keputusan akan mengalami penyesalan (regret) untuk tidak membuat pilihan yang paling diinginkannya. Dengan dasar ini Savage mengembangkan aturan keputusan berikut Pilih keputusan (Decision alternative, DA) dimana terdapat perbedaan minimum antara payoff yang diterma dan payoff yang seharusnya dapat diterima jika keadaan sebenarnya yang terjadi telah diketahui terlebih dahulu. Rumus Matematika dari Minimax adalah : Rj = Min (Maks (P Maks ij P ij)) Rj = Nilai regret dari setiap alternatif keputusan yang akan diambil P Maks ij = Payoff maksimum dari state of nature ke i pada alternatif ke j P ij = Payoff dari state of nature ke i pada alternatif ke j i = jumlah dari state of nature (1,2,3,dst) j = jumlah dari alternative (1,2,3,dst) Tabel 4.2. Tabel Payoff dengan solusi Minimax Regret Alternatif Keputusan Decision Making Under Uncertainty Example States Of Nature Kondisi Ekonomi Bagus Kondisi Ekonomi Buruk Ekspansi = = 0 Tetap = ( ) = Dijual = = Hasil dari perhitungan di atas adalah dipilih nilai minimum dari maksimum regret dari payoff pada setiap alternatif keputusan. Solusi minimax regret pada persoalan tabel 1 adalah minimum (500000, , ) atau sama dengan yaitu ekspansi/memperbesar perusahaan. A.4. Hurwich Hurwicz mengembangkan koeffisien optimisme, yang memungkinkan pengambil keputusan untuk memberikan bobot untuk hal yang paling mungkin dan paling tidak mungkin disukai. Keputusan didasarkan pada penjumlahan dari perkalian nilai pay off pada kondisi baik terhadap nilai alpha (koefisien optimis) (0 <= alpha <= 1) dengan nilai pada kondisi buruk terhadap (1-alpha). Alpha dalam kasus ini adalah 0,3 sehingga (1-alpha) nya adalah 0,7. Penilaian metode Huwich adalah sebagai berikut : 51

5 Tabel 4.3 Tabel Payoff Berdasarkan Solusi Hurwich Decision α= α = 0.7 Hurwich Solution Expand $ $ (0.3) (0.7) = Mantain Status Quo (0.3) (0.7) = Sell now (0.3) (0.7) = Solusi hurwich pada persolanan tabel 4.3 adalah maximum (590000, , ) atau sama dengan yaitu memperbesar perusahaan. A.5. Equal likehood Menurut Laplace Jika peluang akan keadaan sesungguhnya tak diketahui, asumsikan bahwa kondisi tersebut memiliki kesempatan yang sama untuk muncul atau terjadi. Dengan menggunakan konsep nilai harapan, criteria Laplace ini memilih keputusan yang memilih nilai harapan terbesar. Tabel 4.4. Tabel Payoff Berdasarkan Solusi Equal Likehood Alternatif α= α = 0.5 Solusi Hurwich Ekspansi $ $ (0.5) (0.5) = Tetap (0.5) (0.5) = Dijual (0.5) (0.5) = Solusi equal likehood pada persolanan tabel 4.4 adalah maximum (650000, , ) atau sama dengan yaitu ekspansi/memperbesar perusahaan. B. DIAGRAM KEPUTUSAN Bila diperhatikan maka situasi keputusan yang bagaimanapun kompleksnya pada dasarnya merupakan suatu kumpulan alternatif, dimana terdapat kumpulan keadaan tak pasti yang melingkupi setiap alternatif tersebut. Untuk memudahkan penggambaran situasi keputusan tersebut secara sistematis dan komprehensif maka perlu digunakan suatu diagram yang pada dasarnya merupakan suatu rangkaian kronologis tentang keadaan apa yang mungkin terjadi untuk setiap alternatif keputusan. Diagram ini disebut diagram keputusan. 52

6 Diagram keputusan ini pada dasarnya merupakan suatu diagram pokok yang sudah dikenal dan sering digunakan dalam statistik. Hanya saja dalam diagram keputusan ini perlu dibedakan antara saat dimana kita mengambil keputusan, yaitu saat dimana kita memilih salah satu diantara alternatifalternatif yang tersedia; dan saat kemunculan kejadian tak pasti yang akan menentukan hasil dari alternatif-alternatif tersebut. Dalam hal ini, saat mengambil keputusan adalah saat dimana kita sepenuhnya memiliki kendali dalam bertindak; sedangkan saat kejadian tak pasti adalah saat dimana sesuatu di luar diri kitalah yang menentukan apa yang akan terjadi, dengan kata lain, situasi di mana kendali berada di luar kemampuan kita. Notasi yang digunakan : Sebagai contoh, misalkan pada suatu hari anda pergi ke pasar malan dan melihat ada dua stand permainan lotere. Stand pertama, lotere dengan melempar mata uang; sedangkan stand kedua, lotere dengan melempar dadu. Sebenarnya anda berminat untuk mencoba satu permainan lotere tersebut, tapi agak ragu-ragu. Keadaan ini, yaitu kumpulan alternatif dimana anda mempunyai kekuasaan untuk memilih satu di antara alternatif yang ada, dan kejadian yang mungkin muncul pada masing-masing lotere, digambarkan pada Gambar 4.1. Gambar 4.1. Kumpulan Alternatif dan Kejadian Tak Pasti 53

7 Diagram keputusan menggabungkan kedua jenis diagram tersebut untuk menggambarkan setiap kemungkinan hasil yang muncul pada setiap alternatif. Konsekuensi atau nilai yang akan diperoleh untuk setiap hasil dituliskan pada ujung setiap cabang. Misalkan, untuk permainan lotere ini harga kedua jenis lotere adalah sama, yaitu Rp 100,- sedangkan penerimaan yang mungkin diterima dari kedua permainan lotere adalah seperti yang dituangkan pada Gambar 4.2. Gambar 4.2. Hasil Setiap Kejadian Bila ini semua digabungkan dan semua informasi dipaparkan, maka sebuah pohon keputusan yang secara lengkap menggambarkan situasi keputusan ini telah diperoleh. Ini dinyatakan dalam Gambar 4.3. C. PENETAPAN NILAI Setiap jalur dalam diagram keputusan, yakni setiap rangkaian alternatif dan hasil akan menghasilkan suatu nilai yang tersendiri bagi pengambil keputusan. Dengan demikian, maka untuk menentukan pilihan di antara alternatif-alternatif yang ada, kita pertama-tama harus menentukan berapakah nilai dari suatu hasil yang diperoleh, dan ini dituliskan di ujung akhir setiap cabang pada diagram keputusan. Pada dasarnya, kita boleh menggunakan ukuran apa saja untuk menyatakan nilai ini, tetapi yang umum digunakan adalah ukuran moneter, dalam satuan rupiah, dollar dan sebagainya. Penetapan Nilai pada Kasus Perusahaan Kosmetik Melalui suatu analisa finansial, dapat diperoleh keterangan bahwa bila produk baru berhasil dipasarkan dan mencapai tingkat penjualan tinggi, maka hasil yang akan diperoleh adalah Rp 50 juta. Tetapi sebaliknya, bila produk 54

8 baru hanya mencapai tingkat penjualan yang rendah, maka perusahaan akan kehilangan sebanyak Rp 15 juta. Kerugian ini disebabkan karena hasil penjualan tidak dapat menutupi ongkos produksi dan biaya yang telah dikeluarkan untuk proyek pengembangan dan biaya pemasaran produk. Nilai dari hasil yang mungkin diperoleh ini kita cantumkan pada akhir cabang yang bersangkutan. Apabila hasil pengembangannya positif, tetapi perusahaan memutuskan untuk tidak memasarkan produk baru, maka hasilnya adalah kerugian sebesar Rp 5 juta, yang merupakan biaya yang telah dikeluarkan untuk proyek pengembangan. Seandainya dari semula perusahaan telah memutuskan untuk tidak melakukan proyek pengembangan, melainkan tetap memasarkan produk lama seperti biasa, maka dapat diharapkan hasil Rp 40 juta apabila tingkat penjualannya tinggi. Tetapi bila ternyata penjualannya rendah, maka hasilnya adalah kerugian sebesar Rp 15 juta. Gambar 4.3. Pohon Keputusan Permainan Lotere Bila perusahaan memutuskan untuk tetap memasarkan produk lama setelah mengetahui bahwa hasil proyek pengembangannya adalah negatif, 55

9 maka yang akan diperoleh adalah hasil seperti yang dinyatakan di atas, dikurangi dengan biaya penelitian. Jadi, apabila tingkat penjualan tinggi maka akan diperoleh hasil Rp 35 juta sedangkan bila rendah, perusahaan akan menderita kerugian Rp 20 juta. Tetapi bila perusahaan memutuskan untuk menghentikan produksi setelah hasil proyek pengembangan ternyata negatif, maka kerugian yang akan diderita perusahaan adalah Rp 5 juta, yaitu biaya yang telah dikeluarkan untuk proyek pembangunan. Seluruh nilai yang telah ditetapkan ini dipaparkan pada ujung akhir setiap cabang yang sesuai, seperti tampak pada Gambar 4.4. Gambar 4.4. Diagram Keputusan, Nilai dan Kemungkinan Kejadian D. PENETAPAN NILAI KEMUNGKINAN Setelah dapat menetapkan semua nilai hasil yang mungkin didapat, untuk melakukan analisa pemilihan kita masih memerlukan data lain, yaitu besarnya kemungkinan kemunculan dari setiap kejadian tak-pasti (state of nature). Pada contoh di depan, misalnya berapa kemungkinan Proyek 56

10 Pengembangan akan menghasilkan hasil yang positif, atau berapa kemungkinan tingkat penjualan akan tinggi. Pengambilan keputusan beresiko mempunyai implikasi bahwa walaupun berbagai macam kondisi yang sebenarnya (state of nature) dapat terjadi, pengambil keputusan dapat mengestimasi peluang munculnya setiap kondisi (state of nature) tersebut. Hal ini berarti bahwa kemungkinan payoff (untung) pada kondisi tertentu dapat diboboti dengan peluang munculnya setiap state of nature. Kemunculan kejadian tak pasti berada di luar pengendalian pengambil keputusan. Nemun demikian, biasanya pengambil keputusan dapat menetapkan berapa besarnya kemungkinan suatu kejadian akan terjadi, dengan menggunakan beberapa cara tertentu. Nilai kemungkinan inilah yang dikenal sebagai nilai kemungkinan subjektif. Hal ini berarti bahwa kemungkinan payoff (untung) pada kondisi tertentu dapat diboboti dengan peluang munculnya setiap state of nature. Untuk memberikan gambaran secara umum, kita lanjutkan contoh kasus perusahaan kosmetik. Untuk mengetahui seberapa besarnya nilai kemungkinan bahwa proyek pengembangan akan berhasil mendapatkan formula baru yang lebih baik, Sudiro melakukan serangkaian tanya jawab dengan anggota Komisi Pengembangan Perusahaan yang terdiri dari ahli kimia dan teknik pemasaran. Dari hasil tanya jawab ini, ia kemudian memperkirakan dan menyimpulkan bahwa nilai kemungkinan berhasilnya pengembangan tersebut adalah 0,8 sedangkan kemungkinan gagalnya adalah 0,2. Setelah itu, kemudian Sudiro kemudian mengadakan pertemuan dengan staff-nya dari Bagian Pemasaran untuk mendiskusikan masalah tingkat penjualan produk yang mungkin dicapai. Dari diskusi ini diketahui bahwa bila perusahaan tidak melakukan proyek pengembangan dan tetap menjual produk lama, maka kemungkinan besar tingkat penjualan akan tetap rendah; nilai kemungkinan untuk mecapai tingkat penjualan yang tinggi hanya sebesar 0,3. ini berarti bahwa nilai kemungkinan penjualan akan tetap rendah adalah sebesar 0,7. Namun apabila setelah diadakan proyek pengembangan, perusahaan berhasil menampakan produk baru yang lebih baik kualitasnya, nilai kemungkinan untuk mencapai tingkat penjualan yang tinggi adalah sebesar 0,9 sedangkan nilai kemungkinan penjualan akan rendah hanya sebesar 0,1. sebaliknya, apabila ternyata proyek pengembangan tidak berhasil menampilkan produk baru tetapi perusahaan memutuskan untuk tetap menjual produk lama, maka nilai kemungkinannya adalah sebesar 0,7 dan 0,3, masing-masing untuk tingkat penjualan rendah dan tingkat penjualan tinggi. 57

11 Hasil penetapan nilai kemungkinan ini kemudian dituliskan pada cabang kejadian tak-pasti dalam diagram keputusan. Dengan demikian kini diperoleh diagram keputusan yang lengkap beserta dengan perkiraan nilai untuk setiap hasil yang mungkin muncul, juga besarnya nilai kemungkinan untuk kemunculan kejadian tak pasti, seperti tampak pada Gambar 4.4. Setelah diagram keputusan ini lengkap, maka persoalannya kini adalah menentukan pilihan terbaik diantara alternatif-alternatif yang ada. E. REKOMENDASI KEPUTUSAN Dengan demikian kita dapat menggunakan konsep Expected value atau Nilai Harapan, untuk menentukan keputusan mana yang akan diambil. Expected value adalah nilai dari hasil keputusan setiap state of nature yang akan terjadi. Expected Value EV (x) = Dimana : n i= 1 p(xi)xi xi = nilai untung /rugi suatu state of nature pada setiap alternatif p(xi) = peluang xi Untuk contoh di atas pada kasus perusahaan kosmetik, EV dihitung secara bertahap 1. EV (Proyek Penelitian) a) Proyek Pengembangan Positif (0.8) Jika pengembangan proyek penelitian positif maka terdapat 2 pilihan lagi yaitu pasarkan produk baru atau tidak sehingga dihitung EV ke-2 pilihan ini. EV (Pasarkan Produk Baru) EV (Tidak Pasarkan Produk Baru) = 50 juta (0.9) 15 juta (0.1) = 43.5 juta = - 5 juta Jadi jika pengembangan proyek penelitian positif, maka pasarkan produk baru tersebut karena akan memberikan untung 43.5 juta b) Proyek Pengembangan Negatif (0.2) 58

12 Jika pengembangan proyek penelitian negatif maka terdapat 2 pilihan lagi yaitu pasarkan produk lama atau hentikan produksi sehingga dihitung EV ke-2 pilihan ini. EV (Pasarkan Produk Lama) = 35 juta (0.3) 20 juta (0.7) = juta EV (Hentikan Produksi) = - 5 juta Jadi jika pengembangan proyek penelitian ini negatif, maka tetap pasarkan produk lama karena nilai kerugiannya lebih kecil daripada menghentikan produksi yaitu nilai ruginya 3.5 juta. c) Nilai Akhir EV (Proyek Penelitian) EV (Proyek Penelitian) = 43.5 juta (0.8) 3.5 juta (0.2) = Rp 34.1 juta 2. EV (Hentikan Produksi) = Rp 0 3. EV (Teruskan Seperti Biasa) = 40 juta (0.3) 15 juta (0.7) = Rp. 1.5 juta Kesimpulan : Dari ketiga nilai EV ini, maka dipilih proyek penelitian dengan EV Rp 34.1 juta F. NILAI HARAPAN DENGAN INFORMASI YANG SEMPURNA (EXPECTED VALUE OF PERFECT INFORMATION/EVPI) Informasi yang sempurna untuk sebuah kejadian yang tak pasti adalah informasi yang dapat menghilangkan seluruh ketidakpastian yang melingkupi hasil kejadian tersebut. Jadi setelah menerima informasi tersebut, hasil yang akan muncul dapat diketahui dengan pasti. Nilai dari informasi dapat dihitung dengan memasukkan alternative informasi dalam diagram keputusan dengan rumus : EVPI : (Nilai ekspektasi bila informasi sempurna dapat diperoleh) (Nilai ekspektasi dari alternative terbaik tanpa informasi) Contoh EVPI Masih menggunakan contoh kondisi ekonomi keputusan pengembangan suatu industri dengan alternatif Expand, Mantain Status Quo, Sell now dengan 59

13 kondisi ekonomi baik dan kondisi ekonomi kurang baik dengan peluang masing-masing adalah 0.7 dan 0.3 Tabel 4.5. Tabel Payoff keputusan pengembangan suatu industri. Alternatif α= 0.7 (Kondisi Ekonomi Baik) Ekspansi $ $ Tetap Dijual α = 0.3 (Kondisi Ekonomi Kurang Baik) Dengan diperolehnya informasi yang sempurna, dipilih maintain status quo (Nilai payoff tertinggi) jika kondisi ekonomi baik dan dipilih expand (Nilai payoff tertinggi) jika kondisi ekonomi kurang baik. Jadi nilai ekspektasi bila informasi sempurna dapet diperoleh adalah : = (0.7) (0.3) = Untuk menghitung nilai ekspektasi dari alternative terbaik tanpa informasi, terlebih dahulu hitung masing-masing EV setiap alternatif EV (Ekspansi) = (0.7) (0.3) = EV (Tetap) = (0.7) (0.3) = EV (Dijual) = (0.7) (0.3) = Dan nilai ekspektasi dari alternative terbaik tanpa informasi adalah Status Quo karena Status Quo memiliki EV tertinggi dibanding Expand dan Sell now dengan EV = Sehingga hasil dari nilai ekspektasi dengan informasi sempurna (EVPI) adalah : = = G. SOAL LATIHAN G.1 Pilih Jawaban Yang Paling Tepat! 1. Ketidakpastian dalam pengambilan keputusan disebabkan diantaranya oleh: a. Ketidak pastian dari nilai kriteria yang dipertimbangkan b. Ketidak pastian dalam kebenaran asumsi yang digunakan dasar analisa c. Keduanya (a dan b) salah 60

14 d. Keduanya (a dan b) benar. 2. Pohon keputusan dapat dipandang sebagai diagram alir dari titik-titik pertanyaan yang menuju pada sebuah keputusan. Dalam pohon keputusan terdapat dua simbol utama yaitu bujursangkar yang melambangkan titik pengambilan keputusan dan lingkaran yang melambangkan: a. Titik pengambilan keputusan b. Kemungkinan kejadian yang dipertimbangkan c. Keduanya salah. 3. Pengambilan keputusan yang mengandung ketidak pastian dengan memperhatikan kejadian atau status pada masa yang akan datang dalam memilih alternatif keputusan dapat dilakukan dengan metode: a. Maximax dan minimax b. Minimax regret dan maximin c. Hurwich dan equal likehood d. Metode pada (a, b, dan c) semuanya dapat dipakai. 4. Pengambilan keputusan dengan metode Maximin berarti: a. Prioritas alternatif keputusan diurut berdasar nilai keputusan yang diambil dari nilai maximum dari nilai minimum payoff pada masingmasing alternatif keputusan. b. Prioritas alternatif keputusan diurut berdasar nilai keputusan yang diambil dari nilai maximum dari nilai maximum payoff pada masingmasing alternatif keputusan. c. Prioritas alternatif keputusan diurut berdasar nilai keputusan yang diambil dari nilai minimum dari nilai maximum payoff pada masingmasing alternatif keputusan. 5. Pengambilan keputusan dengan metode Minimax berarti: a. Prioritas alternatif keputusan diurut berdasar nilai keputusan yang diambil dari nilai maximum dari nilai minimum payoff pada masingmasing alternatif keputusan. b. Prioritas alternatif keputusan diurut berdasar nilai keputusan yang diambil dari nilai maximum dari nilai maximum payoff pada masingmasing alternatif keputusan. c. Prioritas alternatif keputusan diurut berdasar nilai keputusan yang diambil dari nilai minimum dari nilai maximum payoff pada masingmasing alternatif keputusan. G.2. Jawablah dengan penjelasan yang singkat! 1. Pabrik gelas kristal pernah mengalami ketidakmampuan dalam memenuhi kebutuhan konsumen karena kapasitas produksi yang kecil, sehingga 61

15 pihak manajemen perlu mencari solusi untuk menangani masalah tersebut. Tiga alternative keputusan yang dipertimbangkan oleh manajemen adalah : 1. Melakukan subkontrak dengan perusahaan lain 2. Membangun fasilitas baru 3. Tidak melakukan apa-apa Pemilihan alternative tersebut sangat dipengaruhi oleh permintaan yang rendah, sedang atau tinggi. Setelah dilakukan diskusi yang mendalam maka pihak manajemen mengestimasi peluang permintaan 0.1 untuk permintaan rendah, 0.5 untuk permintaan sedang dan 0.4 untuk permintaan tinggi. Pihak manajemen juga melakukan estimasi terhadap keuntungan yang akan diperoleh setiap alternatif pada setiap state of nature. Tabel keuntungan (payoff) disajikan pada table berikut Low Medium High A. Subkontrak $ 10 $ 50 $ 90 B. Fasilitas Baru - $ 120 $ 25 $ 200 C.Tidak Melakukan apa-apa $ 20 $ 40 $ 60 Berilah rekomendasi keputusan dengan menggunakan maximax, maximin, minimax regret, hurwicz dan equal likelihood. 2. Seorang retailer harus memutuskan apakah akan membangun fasilitas kecil atau besar di lokasi yang baru. Prediksi permintaan di lokasi tersebut adalah rendah dan tinggi dengan peluang masing-masingnya adalah 0.6 dan 0.4. Jika dibangun fasilitas kecil dan permintaannya tinggi dengan manajer tidak memilih untuk expand maka keuntungannya adalah $ atau dengan expand maka keuntungannya adalah $ Jika dibangun fasilitas kecil dengan permintaan rendah maka tidak ada alasan untuk expand dengan keuntungan yang didapatkan adalah $ Jika dibangun fasilitas besar dan terbukti permintaan rendah maka pilihannya adalah tidak melakukan tindakan apa-apa dengan keuntungan yang diperoleh adalah $ atau menstimulasi permintaan dengan promosi lokal. Peluang promosi itu berhasil adalah 0.6. Jika gagal, maka keuntungannya hanya $ dan jika berhasil, keuntungannya adalah $ Jika fasilitas besar dibangun dan permintaan tinggi, maka keuntungannya adalah $ Buatlah pohon keputusan. Kemudian analisa untuk menentukan nilai ekspektasi di setiap keputusan pada 62

16 masing-masing state of nature (kemungkinan kejadian yang dipertimbangkan). Bagaimana rekomendasi Saudara? 3. Matrix payoff dari suatu sistem pengambilan keputusan terdiri dari alternatif keputusan state of nature dan nilai yang terkait. Berapa jumlah kejadian dalam state of nature yang dapat dipertimbangkan? 4. Matrix payoff dari suatu sistem pengambilan keputusan terdiri dari alternatif keputusan state of nature dan nilai yang terkait. Berapa jumlah alternatif keputusan yang dapat dipertimbangkan? 5. Jelaskan apa yang dimaksud dengan regret pada pegambilan keputusan dengan minimax regret? 63

BAB IV DIAGRAM KEPUTUSAN

BAB IV DIAGRAM KEPUTUSAN BAB IV DIAGRAM KEPUTUSAN Situasi keputusan betapa kompleksnya merupakan kumpulan alternatif, dimana pada setiap alternatif terdapat kumpulan keadaan tidak pasti. perlu digambarkan secara sistematik & komprehensif

Lebih terperinci

PERTEMUAN 6 TEORI PENGAMBILAN KEPUTUSAN

PERTEMUAN 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 terperinci

Pertemuan 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 penyelesaian masalah dengan model keputusan

Lebih terperinci

DECISION THEORY DAN GAMES THEORY

DECISION 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 terperinci

OUTLINE. BAGIAN II Probabilitas dan Teori Keputusan. Konsep-konsep Dasar Probabilitas. Distribusi Probabilitas Diskret.

OUTLINE. 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 terperinci

Keputusan Dalam Ketidakpastian dan Resiko

Keputusan 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 terperinci

Pengambilan Keputusan dalam Ketidakpastian

Pengambilan 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 terperinci

PENGENALAN SISTEM OPTIMASI. Oleh : Zuriman Anthony, ST. MT

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 terperinci

SI403 Riset Operasi Suryo Widiantoro, MMSI, M.Com(IS)

SI403 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 terperinci

BAB IX PROSES KEPUTUSAN

BAB 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 terperinci

Materi #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 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 terperinci

TIN102 - Pengantar Teknik Industri Materi #13 Ganjil 2016/2017 TIN102 PENGANTAR TEKNIK INDUSTRI

TIN102 - 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 terperinci

DIAGRAM KEPUTUSAN. 10/09/2012 MK. Toeri Keputusan Darmanto, S.Si.

DIAGRAM KEPUTUSAN. 10/09/2012 MK. Toeri Keputusan Darmanto, S.Si. DIAGRAM KEPUTUSAN 1 Dibedakan antara ketika memilih salah satu dari alternatif yg tersedia dengan ketika muncul kejadian tidak pasti yg akan menentukan hasil dari alternatif tsb. Notasi (simpul) yang digunakan:

Lebih terperinci

PENGAMBILAN KEPUTUSAN MANAJEMEN

PENGAMBILAN 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 terperinci

TIN102 - Pengantar Teknik Industri Materi #12 Ganjil 2014/2015 TIN102 PENGANTAR TEKNIK INDUSTRI

TIN102 - 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 terperinci

DIAGRAM KEPUTUSAN (DECISION TREE)

DIAGRAM KEPUTUSAN (DECISION TREE) DIAGRAM KEPUTUSAN (DECISION TREE) DECISION TREE (POHON KEPUTUSAN) Decision trees are used by decision makers to obtain a visual portrayal of decision of decision alternatives and their possible consequences.

Lebih terperinci

PENGAMBILAN KEPUTUSAN DALAM KONDISI TIDAK PASTI

PENGAMBILAN KEPUTUSAN DALAM KONDISI TIDAK PASTI PENGAMBILAN KEPUTUSAN DALAM KONDISI TIDAK PASTI Kondisi Tidak Pasti Kondisi tidak pasti adalah suatu keadaan yang memenuhi beberapa persyaratan : 1. Ada beberapa alternatif tindakan yang fleksibel. 2.

Lebih terperinci

Kasus di atas dapat diselesaikan menggunakan analisis breakeven.

Kasus 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 terperinci

PENGAMBILAN KEPUTUSAN DALAM KONDISI TIDAK PASTI. OLEH Ir. Indrawani Sinoem, MS.

PENGAMBILAN KEPUTUSAN DALAM KONDISI TIDAK PASTI. OLEH Ir. Indrawani Sinoem, MS. PENGAMBILAN KEPUTUSAN DALAM KONDISI TIDAK PASTI OLEH Ir. Indrawani Sinoem, MS. Kondisi Tidak Pasti Kondisi tidak pasti adalah suatu keadaan yang memenuhi beberapa syarat : 1. Ada beberapa alternatif tindakan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

LATIHAN SOAL TERJAWAB-BAB 10. Untuk mahasiswa, jawaban diberikan untuk soal ganjil.

LATIHAN SOAL TERJAWAB-BAB 10. Untuk mahasiswa, jawaban diberikan untuk soal ganjil. LATIHAN SOAL TERJAWAB-BAB 10 Untuk mahasiswa, jawaban diberikan untuk soal ganjil. 1. Berikut adalah tabel hasil (payoff) dari investasi di saham pertanian, industri dan perbankan untuk setiap lembar sahamnya.

Lebih terperinci

STATISTICAL THINKING DALAM MENGAMBIL KEPUTUSAN BISNIS. Rezzy Eko Caraka

STATISTICAL 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 terperinci

PENGAMBILAN KEPUTUSAN DALAM KONDISI BERESIKO IRA PRASETYANINGRUM

PENGAMBILAN 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 terperinci

Bab 2 LANDASAN TEORI

Bab 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 terperinci

Analisa Keputusan Manajemen dengan Pemrograman Dinamis

Analisa 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 terperinci

POHON KEPUTUSAN DOSEN : DIANA MA RIFAH

POHON KEPUTUSAN DOSEN : DIANA MA RIFAH POHON KEPUTUSAN DOSEN : DIANA MA RIFAH PENDAHULUAN Kompleksnya kegiatan dan permasalahan yang dihadapi membuat manajer sering menggunakan berbagai cara untuk mengurangi unsurunsur keraguan dan ketidakpastian

Lebih terperinci

Teknik Industri Unirversitas PGRI Ronggolawe Tuban

Teknik 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 terperinci

Oleh : Debrina Puspita Andriani Teknik Industri Universitas Brawijaya /

Oleh : Debrina Puspita Andriani Teknik Industri Universitas Brawijaya   / 11 Oleh : Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e-mail : debrina@ub.ac.id / debrina.ub@gmail.com www.debrina.lecture.ub.ac.id 1. Konsep Risiko & Ketidakpastian 2. Pengambilan keputusan

Lebih terperinci

Decision Making Prentice Hall, Inc. A 1

Decision 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 terperinci

MATERI TAMBAHAN TEORI PENGAMBILAN KEPUTUSAN (Sumber Bambang Avip Priatna Martadiputra)

MATERI 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 terperinci

ANALISIS POHON KEPUTUSAN DECISION TREE ANALYSIS

ANALISIS POHON KEPUTUSAN DECISION TREE ANALYSIS ANALISIS POHON KEPUTUSAN DECISION TREE ANALYSIS ANALISIS POHON KEPUTUSAN Adalah alat bantu dalam mengambil keputusan (decision support tool) yang divisualisikan dalam bentuk grafik/diagram /model berbentuk

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Pengambilan keputusan diperlukan pada semua tahap administrasi dan manajemen. Misalnya dalam tahap perencanaan, diperlukan banyak kegiatan pengambilan keputusan sepanjang

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Manajemen Proyek Konstruksi Suatu proyek konstruksi biasanya merupakan suatu rangkaian kegiatan yang hanya satu kali dilaksanakan dan umumnya berjangka waktu pendek. Selain

Lebih terperinci

Pengertian Pengambilan Keputusan

Pengertian 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 terperinci

PENGAMBILAN KEPUTUSAN

PENGAMBILAN KEPUTUSAN PENGAMBILAN KEPUTUSAN PROSES PENGAMBILAN KEPUTUSAN Manajer Operasi adalah para pengambil keputusan. Manajer harus memahami bagaimana keputusan diambil dan alat bantu pengambilan keputusan apa yang digunakan.

Lebih terperinci

Teori Pengambilan Keputusan

Teori 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

Makalah Ekonomi Manajerial Tentang Pengambilan Keputusan Dalam Kondisi Beresiko

Makalah 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 terperinci

BAB II LANDASAN TEORI

BAB 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 terperinci

Metode Kuantitatif Bisnis. Week 9 Decision Analysis Decision Table

Metode 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 terperinci

Chapter Topics. The payoff table and decision trees. Criteria for decision making

Chapter 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 terperinci

BAB III MODEL POHON KEPUTUSAN. Pohon keputusan merupakan metode klasfikasi dan prediksi yang sangat

BAB III MODEL POHON KEPUTUSAN. Pohon keputusan merupakan metode klasfikasi dan prediksi yang sangat BAB III MODEL POHON KEPUTUSAN 3.1 Pohon Keputusan (Decision Tree) 3.1.1 Pengertian Pohon keputusan merupakan metode klasfikasi dan prediksi yang sangat kuat dan terkenal. Metode pohon keputusan mengubah

Lebih terperinci

School of Communication Inspiring Creative Innovation. Pengembangan Kepemimpinan Pertemuan 13 SM III

School of Communication Inspiring Creative Innovation. Pengembangan Kepemimpinan Pertemuan 13 SM III Penempatan School of Communication Pegawai & Business Inspiring Creative Innovation Pengembangan Kepemimpinan Pertemuan 13 SM III 2017-2018 DIAGRAM POHON KEPUTUSAN Mahasiswa dapat memahami Diagram Pohon

Lebih terperinci

MANAGEMENT SUMMARY CHAPTER 7 DECISION MAKING

MANAGEMENT SUMMARY CHAPTER 7 DECISION MAKING MANAGEMENT SUMMARY CHAPTER 7 DECISION MAKING MANAJER SEBAGAI PEMBUAT KEPUTUSAN PROSES MEMBUAT KEPUTUSAN Manajer bertugas membuat keputusan. Dan mereka ingin keputusan tersebut menjadi keputusan yang terbaik,

Lebih terperinci

MKDB UAS Semester Genap 2014/2015

MKDB 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 terperinci

DIAGRAM POHON KEPUTUSAN DAN KEPUTUSAN BERTAHAP 8.1 PENDAHULUAN Seperti telah kita ketahui suatu keputusan merupakan pilihan alternatif, jadi

DIAGRAM POHON KEPUTUSAN DAN KEPUTUSAN BERTAHAP 8.1 PENDAHULUAN Seperti telah kita ketahui suatu keputusan merupakan pilihan alternatif, jadi DIAGRAM POHON KEPUTUSAN DAN KEPUTUSAN BERTAHAP 8.1 PENDAHULUAN Seperti telah kita ketahui suatu keputusan merupakan pilihan alternatif, jadi mengambil keputusan atau melakukan tindakan berarti hams memilih

Lebih terperinci

STRATEGI GAME. Achmad Basuki

STRATEGI 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 terperinci

PENGAMBILAN KEPUTUSAN DALAM KONDISI BERESIKO

PENGAMBILAN 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 terperinci

BAB 3 METODE PENELITIAN. Desain penelitian dalam penelitian ini menggunakan metode deskriptif, yaitu suatu

BAB 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 terperinci

Pertemuan 7 GAME THEORY / TEORI PERMAINAN

Pertemuan 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 terperinci

DECISION TREE (POHON KEPUTUSAN)

DECISION TREE (POHON KEPUTUSAN) DECISION TREE (POHON KEPUTUSAN) Oleh : Rofi Rofaida,SP.,M.Si Program Studi Manajemen Fakultas Pendidikan Ekonomi dan Bisnis Universitas Pendidikan Indonesia DECISION TREE (POHON KEPUTUSAN) Decision trees

Lebih terperinci

Aplikasi Pohon dalam Pengambilan Keputusan oleh Sebuah Perusahaan

Aplikasi Pohon dalam Pengambilan Keputusan oleh Sebuah Perusahaan Aplikasi Pohon dalam Pengambilan Keputusan oleh Sebuah Perusahaan Ahmad Aidin (13513020) Program Sarjana Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung

Lebih terperinci

Oleh: Dwi Esti Andriani, M. Pd. Dosen Jurusan Administrasi Pendidikan Prodi Manajemen Pendidikan FIP-UNY

Oleh: Dwi Esti Andriani, M. Pd. Dosen Jurusan Administrasi Pendidikan Prodi Manajemen Pendidikan FIP-UNY Oleh: Dwi Esti Andriani, M. Pd. Dosen Jurusan Administrasi Pendidikan Prodi Manajemen Pendidikan FIP-UNY BATASAN Pembuatan keputusan adalah penentuan serangkaian tindakan untuk mencapai hasil yang diinginkan

Lebih terperinci

Aplikasi Teori Peluang dan Statistika dalam Pengambilan Keputusan

Aplikasi Teori Peluang dan Statistika dalam Pengambilan Keputusan Aplikasi Teori Peluang dan Statistika dalam Pengambilan Keputusan Bharata Kalbuaji (18209018) Program Studi Sistem dan Teknologi Informasi Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,

Lebih terperinci

Lecture 5 : Dynamic Programming (Programa Dinamis) Hanna Lestari, ST, M.Eng

Lecture 5 : Dynamic Programming (Programa Dinamis) Hanna Lestari, ST, M.Eng Lecture 5 : Dynamic Programming (Programa Dinamis) Hanna Lestari, ST, M.Eng Definisi Suatu teknik kuantitatif yang digunakan untuk membuat suatu rangkaian keputusan yang saling berkaitan. (Hillier & Lieberman,

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI 7 BAB II LANDASAN TEORI Untuk menunjang dan membantu dalam melakukan pengolahan dan analisa data data, penelitian ini menggunakan landasan teori yang diambil dari buku-buku penunjang serta jurnal yang

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Metode Penelitian Metode yang dipergunakan dalam penelitian ini merupakan metode gabungan, yang menyatukan antara studi pustaka yang penulis lakukan dengan data-data yang

Lebih terperinci

BAB 3 LANGKAH PEMECAHAN MASALAH

BAB 3 LANGKAH PEMECAHAN MASALAH BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Kriteria optimasi yang digunakan dalam menganalisis kelayakan usaha adalah sebagai berikut: 1. Pemilihan Wilayah: Menentukan dua wilayah

Lebih terperinci

MENTORING MKDB. Dilarang Memperbanyak Mentoring ini tanpa seijin SPA FEUI. Mentoring dapat didownload di

MENTORING MKDB. Dilarang Memperbanyak Mentoring ini tanpa seijin SPA FEUI. Mentoring dapat didownload di MENTORING MKDB Dilarang Memperbanyak Mentoring ini tanpa seijin SPA FEUI Mentoring dapat didownload di www.spa-feui.com Fb: SPA FEUI Twitter: @spafeui MENTORING UAS MKDB 211/212 SPA FEUI Soal 1. Sensitivity

Lebih terperinci

MOJAKOE. June 4. Metode Kuantitatif dalam Bisnis

MOJAKOE. June 4. Metode Kuantitatif dalam Bisnis MOJAKOE June 4 2013 Dilarang memperbanyak MOJAKOE ini tanpa seijin SPA FEUI. Download MOJAKOE dan SPA Mentoring di : www.spa-feui.com Metode Kuantitatif dalam Bisnis UJIAN AKHIR SEMESTER METODE KUANTITATIF

Lebih terperinci

BAB III METODE ANALISIS INCREMENTAL

BAB III METODE ANALISIS INCREMENTAL BAB III METODE ANALISIS INCREMENTAL Analisis incremental biasanya dinyatakan juga sebagai biaya diferensial, biaya marjinal, atau biaya relevan. Analisis incremental ini fleksibel, dimana data dapat dihitung

Lebih terperinci

Latihan soal decision making

Latihan 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 terperinci

Pada perkembangannya ternyata model transportasi ini dapat juga digambarkan dan diselesaikan dalam suatu bentuk jaringan

Pada perkembangannya ternyata model transportasi ini dapat juga digambarkan dan diselesaikan dalam suatu bentuk jaringan MODEL ARUS JARINGAN DEFINISI Jaringan (network) = (N, A); N=node, A=arc = sisi=busur. Arc (sisi) terarah mempunyai arah. Jaringan terarah mempunyai semua sisi yang terarah. Path (lintasan) = sekumpulan

Lebih terperinci

PROGRAMA INTEGER. Model Programa Linier : Maks. z = c 1 x 1 + c 2 x c n x n

PROGRAMA INTEGER. Model Programa Linier : Maks. z = c 1 x 1 + c 2 x c n x n PROGRAMA INTEGER Model Programa Linier : Maks. z = c 1 x 1 + c 2 x 2 +. + c n x n d. k. a 11 x 1 + a 12 x 2 +.a 1n x n < b 1.. a m1 x 1 + a m2 x 2 +.a mn x n < b m x 1 ; x 2 ;.x n > 0 Semua variabel keputusan

Lebih terperinci

PERBANDINGAN 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 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 terperinci

Lembar Kerja Mahasiswa

Lembar Kerja Mahasiswa Lembar Kerja Mahasiswa MEMAHAMI KONSEP TEORI PERMAINAN Nama Anggota Kelompok : 1 2 4 Program Studi Pendidikan Matematika Fakultas Keguruan dan Ilmu Pendidikan Universitas Jember 2016 LEMBAR KERJA SISWA

Lebih terperinci

Manajemen Operasional KEPUTUSAN PERENCANAAN STRATEGI

Manajemen Operasional KEPUTUSAN PERENCANAAN STRATEGI Manajemen Operasional KEPUTUSAN PERENCANAAN STRATEGI Putri Irene Kanny Putri_irene@staff.gunadarma.ac.id Sub Pokok bahasan pertemuan ke-2 Formulasi strategi Prioritas bersaing Peran operasi dalam strategi

Lebih terperinci

Dasar Pengambilan Keputusan

Dasar Pengambilan Keputusan Dasar Pengambilan Keputusan Lingkungan ketidak pastian -> kita tidak dapat mengetahui dengan pasti apa yang akan terjadi dimasa yang akan datang. Kompleks -> banyak factor yang berinteraksi dalam berbagai

Lebih terperinci

Dilarang memperbanyak MOJAKOE ini tanpa seijin SPA FEUI. Download MOJAKOE dan SPA Mentoring di : MOJAKOE MKDB SPA FEUI 2014

Dilarang memperbanyak MOJAKOE ini tanpa seijin SPA FEUI. Download MOJAKOE dan SPA Mentoring di :  MOJAKOE MKDB SPA FEUI 2014 MOJAKOE Dilarang memperbanyak MOJAKOE ini tanpa seijin SPA FEUI. Download MOJAKOE dan SPA Mentoring di : http://spa-feui.com MKDB SPA FEUI 2014 Universitas Indonesia Fakultas Ekonomi Ujian Akhir Semester

Lebih terperinci

Rumus : Ekspektasi keuntungan = pay o * probabilitas.

Rumus : Ekspektasi keuntungan = pay o * probabilitas. 1 KRITERIA EKSPEKTASI KEUNTUNGAN Rumus : Ekspektasi keuntungan = pay o * probabilitas. Kelemahan : - probabilitas bersifat subjektif - belum mencakup faktor resiko 2 Contoh Si A mendapat tawaran untuk

Lebih terperinci

PROGRAM LINIER : ANALISIS POST- OPTIMAL. Pertemuan 6

PROGRAM LINIER : ANALISIS POST- OPTIMAL. Pertemuan 6 PROGRAM LINIER : ANALISIS POST- OPTIMAL Pertemuan 6 Pengantar Biasanya, setelah solusi optimal dari masalah program linier ditemukan maka peneliti cenderung untuk berhenti menganalisis model yang telah

Lebih terperinci

Bab 3. Keindahan Decision Tree. The most in time is where you re meant to be! YES !!" ## $ " % & " ' "

Bab 3. Keindahan Decision Tree. The most in time is where you re meant to be! YES !! ## $  % &  ' The most in time is where you re meant to be! YES!!" ## $ " % & " ' " " Ketika menamatkan sekolah menengah atas, mungkin banyak dari kita yang merasa gundah ketika harus menentukan kemana lagi langkah

Lebih terperinci

TEORI PERMAINAN. Tidak setiap keadaan persingan dapat disebut sebagai permainan (game). Kriteria atau ciri-ciri dari suatu permainan adalah :

TEORI PERMAINAN. Tidak setiap keadaan persingan dapat disebut sebagai permainan (game). Kriteria atau ciri-ciri dari suatu permainan adalah : TEORI PERMAINAN I. Pendahuluan Dalam kehidupan sehari-hari sering dijumpai kegiatan-kegiatan yang bersifat kompetitif yang diwarnai persaingan atau konflik. Persaingan atau konflik ini dapat terjadi antara

Lebih terperinci

PEMAKAIAN PELUANG DALAM MEMBUAT KEPUTUSAN: SUATU TINJAUAN DALAM MASALAH GROSIR

PEMAKAIAN PELUANG DALAM MEMBUAT KEPUTUSAN: SUATU TINJAUAN DALAM MASALAH GROSIR PEMAKAIAN PELUANG DALAM MEMBUAT KEPUTUSAN: SUATU TINJAUAN DALAM MASALAH GROSIR DRS. OPEN DARNIUS, M.SC Fakultas Matematika dan Ilmu Pengetahuan Alam Jurusan Matematika Universitas Sumatera Utara Pendahuluan

Lebih terperinci

Manajemen Kuantitatif Modul 10 dan 11 TEORI PERMAINAN ( GAME THEORY)

Manajemen Kuantitatif Modul 10 dan 11 TEORI PERMAINAN ( GAME THEORY) Manajemen Kuantitatif Modul 10 dan 11 TEORI PERMAINAN ( GAME THEORY) TUJUAN INSTRUKSIONAL 1. Mahasiswa memahami arti dan kegunaan Teori Permainan 2. Mahasiswa mengetahui jenis-jenis Teori Permainan dan

Lebih terperinci

Pemain B B 1 B 2 B 3 9 5

Pemain 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 terperinci

Definisi & Latar Belakang...(1/2)

Definisi & 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 terperinci

Universitas Sumatera Utara

Universitas Sumatera Utara PERSETUJUAN Judul : PENGAMBILAN KEPUTUSAN MENGGUNAKAN METODE BAYES PADA EKSPEKTASI FUNGSI UTILITAS Kategori : SKRIPSI Nama : SELVIRA LESTARI SIREGAR Nomor Induk Mahasiswa : 090803070 Program Studi : SARJANA

Lebih terperinci

Definisi & Latar Belakang...(1)

Definisi & 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 terperinci

BAB I PENDAHULUAN. Kehidupan ini penuh dengan ketidakpastian, selain itu dalam kehidupan

BAB I PENDAHULUAN. Kehidupan ini penuh dengan ketidakpastian, selain itu dalam kehidupan 1 BAB I PENDAHULUAN 1.1 Latar belakang Kehidupan ini penuh dengan ketidakpastian, selain itu dalam kehidupan terdapat karakteristik kejadian yang kompleks, dinamis, persaingan, dan keterbatasan terhadap

Lebih terperinci

ekonomi, serta para pakar yang mendukung diagnosa medis dan sebagainya ( Heizer,

ekonomi, serta para pakar yang mendukung diagnosa medis dan sebagainya ( Heizer, BAB II LANDASANTEORI 2.1 Analisa Keputusan Anafisa keputusan adalah sebuah metode yang menyediakan dukungan metode kuantitatif bagi seorang pengambil keputusan ( decision maker ) di hampir semua area,

Lebih terperinci

TEORI PERMAINAN GAME THEORY MATA KULIAH RISET OPERASI

TEORI 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 terperinci

PENGAMBILAN KEPUTUSAN MANAJEMEN

PENGAMBILAN KEPUTUSAN MANAJEMEN PENGAMBILAN KEPUTUSAN MANAJEMEN BAB 7. POHON KEPUTUSAN 1. Pendahuluan 2. Konsep Pohon Keputusan 3. Komponen Pohon Keputusan 4. Prosedur Pembuatan Pohon Keputusan 5. Diagram Pohon Keputusan 1. Pendahuluan

Lebih terperinci

Combinatorial Game Theory, Game Tree, dan Intelegensia Buatan

Combinatorial Game Theory, Game Tree, dan Intelegensia Buatan Combinatorial Game Theory, Game Tree, dan Intelegensia Buatan Ripandy Adha - 13507115 Jurusan Teknik Informatika ITB, Bandung 40116, email: if17115@students.if.itb.ac.id Abstract Makalah ini membahas tentang

Lebih terperinci

Guru M1 M2 M3 M4 Pekerjaan P P P P

Guru M1 M2 M3 M4 Pekerjaan P P P P TEKNIK LINEAR PROGRAMMING MODEL PENUGASAN Persoalan penugasan dalam bidang manajemen bisa menyangkut keputusan untuk menentukan jenis pekerjaan apa yang harus dikerjakan oleh siapa untuk alat apa. Persoalan

Lebih terperinci

Pengambilan Keputusan dalam Keadaan Tidak Ada Kepastian IRA PRASETYANIGRUM

Pengambilan 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 terperinci

Lecture 1: Concept of Game Theory A. Pendahuluan bidang perdagangan (bisnis), olahraga, peperangan (pertahanan), dan politik

Lecture 1: Concept of Game Theory A. Pendahuluan bidang perdagangan (bisnis), olahraga, peperangan (pertahanan), dan politik Lecture 1: Concept of Game Theory A. Pendahuluan Dalam kehidupan sehari-hari kita sering menjumpai kegiatan-kegiatan yang bersifat kom-petitif yang diwarnai dengan suatu keadaan persaingan (konflik). Persaingan

Lebih terperinci

Manajemen Resiko Proyek Sistem Informasi Pangkalan Data Sekolah dan Siswa (PDSS)

Manajemen Resiko Proyek Sistem Informasi Pangkalan Data Sekolah dan Siswa (PDSS) Manajemen Resiko Proyek Sistem Informasi Pangkalan Data Sekolah dan Siswa (PDSS) 1. Identifikasi Resiko Karakteristik Resiko Uncertainty : tidak ada resiko yang 100% pasti muncul, sehingga tetap harus

Lebih terperinci

TINJAUAN TEOREMA BAYES DALAM PENGAMBILAN KEPUTUSAN RESIKO SKRIPSI AMIR IRIANTO SINAGA

TINJAUAN TEOREMA BAYES DALAM PENGAMBILAN KEPUTUSAN RESIKO SKRIPSI AMIR IRIANTO SINAGA TINJAUAN TEOREMA BAYES DALAM PENGAMBILAN KEPUTUSAN RESIKO SKRIPSI AMIR IRIANTO SINAGA 080823009 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA MEDAN 2010

Lebih terperinci

BabXIX TeoriKeputusan

BabXIX TeoriKeputusan -- ---- BabXIX TeoriKeputusan KAT A KUNCI teori keputusan adalah studi membuat keputusan dalam mencapai beberapa obyektif, sering berupa keadaan yang tidak pasti pohon keputusan adalah diagram yang menjelaskan

Lebih terperinci

Model Arus Jaringan. Rudi Susanto

Model Arus Jaringan. Rudi Susanto Model Arus Jaringan Rudi Susanto Pengertian Jaringan Jaringan adalah suatu susunan garis edar (path) yang terhubung pada berbagai titik, dimana satu atau beberapa barang bergerak dari satu titik ke titik

Lebih terperinci

Bab 1 PENDAHULUAN. 1.1 Latar Belakang

Bab 1 PENDAHULUAN. 1.1 Latar Belakang Bab 1 PENDAHULUAN 1.1 Latar Belakang Dewasa ini persaingan pasar semakin ketat. Sebuah perusahaan dalam kegiatan pemasaran produk pasti membutuhkan konsumen untuk memilih produk yang akan dihasilkan. Oleh

Lebih terperinci

MOJAKOE MKDB. Dilarang Memperbanyak Mojakoe ini tanpa seijin. Mojakoe dapat didownload di

MOJAKOE MKDB. Dilarang Memperbanyak Mojakoe ini tanpa seijin. Mojakoe dapat didownload di MOJAKOE MKDB Dilarang Memperbanyak Mojakoe ini tanpa seijin SPA FEUI Mojakoe dapat didownload di www.spa-feui.com Fb: SPA FEUI Twitter: @spafeui 1 P a g e S e m e s t e r G e n a p 2 0 1 1 / 2 0 1 2 Ujian

Lebih terperinci

BAB 2 LANDASAN TEORI. Dalam penulisan skripsi ini, dijabarkan beberapa aksioma dan teorema yakni sebagai berikut :

BAB 2 LANDASAN TEORI. Dalam penulisan skripsi ini, dijabarkan beberapa aksioma dan teorema yakni sebagai berikut : BAB 2 LANDASAN TEORI 2.1 Aksioma dan Teorema Dalam penulisan skripsi ini, dijabarkan beberapa aksioma dan teorema yakni sebagai berikut : Aksioma 1 Untuk setiap kejadian, non-negatif.. Yakni bahwa probabilitas

Lebih terperinci

Lecture 5 : Dynamic Programming (Programa Dinamis) Hanna Lestari, ST, M.Eng

Lecture 5 : Dynamic Programming (Programa Dinamis) Hanna Lestari, ST, M.Eng Lecture 5 : Dynamic Programming (Programa Dinamis) Hanna Lestari, ST, M.Eng Definisi Suatu teknik kuantitatif yang digunakan untuk membuat suatu rangkaian keputusan yang saling berkaitan. (Hillier & Lieberman,

Lebih terperinci

PEMAKAIAN PELUANG DALAM MEMBUAT KEPUTUSAN: SUATU TINJAUAN DALAM MASALAH GROSIR OPEN DARNIUS

PEMAKAIAN PELUANG DALAM MEMBUAT KEPUTUSAN: SUATU TINJAUAN DALAM MASALAH GROSIR OPEN DARNIUS PEMAKAIAN PELUANG DALAM MEMBUAT KEPUTUSAN: SUATU TINJAUAN DALAM MASALAH GROSIR OPEN DARNIUS Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara 1. PENDAHULUAN Pengambilan

Lebih terperinci

Manajemen Proyek. Teknik Industri Universitas Brawijaya

Manajemen Proyek. Teknik Industri Universitas Brawijaya Manajemen Proyek Teknik Industri Universitas Brawijaya Lecture 16 Outline: Manajemen Proyek References: Azlia, Wifqi. PPT: Organisasi dan Manajemen Industri. PSTI- UB. 2011. Pendahuluan Proyek : kombinasi

Lebih terperinci

Matematika Bisnis (Linear Programming-Metode Grafik Minimisasi) Dosen Febriyanto, SE, MM.

Matematika Bisnis (Linear Programming-Metode Grafik Minimisasi) Dosen Febriyanto, SE, MM. (Linear Programming-Metode Grafik Minimisasi) Dosen Febriyanto, SE, MM. www.febriyanto79.wordpress.com - Linear Programming Linear programing (LP) adalah salah satu metode matematis yang digunakan untuk

Lebih terperinci

SOAL 1 (bobot : 20%) SOAL 2 (BOBOT : 20%)

SOAL 1 (bobot : 20%) SOAL 2 (BOBOT : 20%) Pengambilan Keputusan Manajerial Exercise UTS Genap 2008/2009 SOAL 1 (bobot : 20%) Di usianya yang sudah lanjut, seorang pemain sepak bola Internasional yang terkenal flamboyant David Beckham memikirkan

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Sumber Data Dalam penelitian ini, penelitian dilakukan pada proyek perakitan truk di gedung commercial vehicle di PT. Mercedes-Benz Indonesia dan mengambil bahan penelitian

Lebih terperinci