BabXIX TeoriKeputusan

Transkripsi

1 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 akibat yang memungkinkan dari keputusan yang berbeda pada jenis penyataan yang berbeda payoff yang diharapkan adalah nilai harapan payoff yang dihasilkan dari keputusan Pada kehidupan sehari-hari,kita banyak dihadapkan dengan keputusan Hasil keputusan tersebut kebanyakan tidak konsekuen dengan hasil yang memungkinkan Dalam bisnis, keputusan mempunyai konsekuensi yang lebih penting Adalah sangat penting bekerja dengan beberapa aturan yang berdasarkan teori keputusan yang akan membantu kita keputusan yang baik dari informasi yang telah didapat Ahli statistik membedakan antara tiga macam keputusan: 1 Keputusan berdasarkan kepastian Hal tersebut adalah keputusan dimana Anda mempunyai semua informasi yang diinginkan dan dapat menghitung hasil setiap pilihan yang Anda buat secara tepat Hal'ini tidak berarti Anda mengetahui dengan tepat apa yang harns dilakukan: ada data yang lebih banyak daripada seseorang yang dapat mengerti Contoh, Anda mengharapkan memaksimumkan produksi bahan kimia 531 secara simultan yang sesuai dengan peraturan dari Badan Proteksi Lingkungan Pada kasus seperti ini, biasanya paling baik menggunakan algorithm, seperti linier programming untukmengevaluasidata danmemilihhasilterbaikanda akanseringmembutuhkan program komputer untuk menghitung Dalam hal ini kita tidak akan berhubungan dengan macam keputusan ini 2 Keputusan berdasarkan ketidakpastian Hal ini adalah keputusan dimana Anda telah memperhitungkan kemungkinan tanpa mengkhawatirkan apa yang dikerjakan oleh saingan Kemungkinan terjadi berdasarkan intuisi Petani mungkin saja memilih waktu panen berdasarkancuaca yangterjadikemungkinankeputusannyaberdasarkancuacama lampau dan ramalan yang panjang 3 Keputusan berdasarkan pertentangan Ini adalah keputusan dimana Anda telah mempertimbangkan hal yang mungkin dilakukan ssaingan Sebuah perusahaan telah 286

2 11II menyadari apa yang akan dilakukan saingannya pada saat menentukan harga Maeam keputusan ini berhubungan dengan game theory dan tidak akan dibicarakan pada bab ini POHON KEPUTUSAN Sebelum membuat keputusan yang tepat, adalah sangat baik jika mempunyai semua pilihan yang memungkinkan dan grafik hasil tersebut Salah satu eara melakukannya adalah dengan pohon keputusan Misalnya Anda ingin membuat keputusan yang mempunyai k proses yang berbeda, AI,, Ak Kemudian anda mulai dari kiri ke kanan dengan eabang k (lihat gambar 19-1) Untuk tiap proses, ada perbedaan hasil yang dinamakan state of nature State of nature adalah hasil kemungkinan, biasanya sebelumnya tidak dapat diprediksi Gambar 19-1 Akan kita sebut states of nature B1,, B1Misalnya B1merupakan hasil yang tampak sempuma, B2 hasil yang eaeat, B3 hasil yang sangat rusak dan seterusnya Ini adalah gambaran jika ada tambahan eabang (lihat gambar 19-2) Kini Anda boleh mempunyai keputusan yang lebih jauh, c1,, em untuk mendapatkan hasil,misalnyauntukmemperbaikiproses,memperbaikigedung,ataumengatasikebangkrutan Ini dapat dilihat pada gambar 19-3 Cabang tersebut dapat dibuat sejauh mungkin yang Anda harapkan, tergantung pada berapa banyak tingkat yang ingin Anda analisa Pilihan eabang antara pilihan Anda dan states of nature YANG HARUS DIINGAT 1 Banyak keputusan bisnis harns\ dibuat pada keadaan ketidakpastian Bidang teori keputusan memberikan petunjuk pada jenis kasus 2 Pohon keputusan adalah diagram yang menunjukkan hasil tiap keputusan yang memungkinkan dan tiap states of nature yang memungkinkan 287

3 Garnbar 19-2 Garnbar 19-3 VARIAS I OBYEKTIF Kita perlu beberapa cara dalarn menentukan hasil yang mana yang lebih baik daripada lainnya Sebuah perusahaan yo-yo berpikirpaling baik membuat yo-yo berwarna bim karena dijuallebih baik dibandingkan dengan yo-yo warna lain atau warna kesukaan penjual adalah bim Penjual menggambarkan contoh variabel obyektif Mereka memberikan cara membandingkan hasil yang artinya sarna dengan Anda, saya atau orang lain Contoh lain adalah profit dan produksi Kesukaan warna bukan variabel obyektif TABEL PAYOFF Pada pohon keputusan yang paling mudah, kita mempunyai satu tingkat pilihan, satu tingkat states of nature dan untuk tiap pilihan, states of nature yang sarna Dengan demikian kita dapat membuat tbel (lihat gambar 19-4) Tentu saja kelihatannya kosong Jika kita mempunyai sebuah variabel obyektif X, maka kita dapat memasukkan nilainya (lihat gambar 19-5) Xij adalah nilai variabel obyektif pada pilihan ke-i dan state of nature ke-j Susunan ini disebut tabel payoff Tabel ini dapat besar dan akan membantu jika kita menyederhanakannya Salah satu cara adalah menolak pengaruh atau aksi tidak dibuat karena ada pilihan lain yang selalu lebih baik Lebih tepatnya, Ai dipengaruhi oleh Aj,jika untuk semua k, Xii<lebih sedikit atau sarna dengan Xjkdan paling tidak ada satu nilai k seperti Xii<< Xj\(Kita tidak pemah memilih Ai karena Aj selalu lebih baik Contoh, lihat garnbar 19-6 dimana A4 dipengaruhi oleh A2 dan A3 dan ini tidak dapat diterima Sekali kita menghilangkan aksi yang tidak dapat diterima, kita telah melakukan semua yang dapat kita lakukan dengan kepastian yang lengkap 288

4 Gambar 19-4 State of nature Gambar 19-5 BI Bz BI Al Xll xiz Xll Az XZI xzz,xzi " xkl xk2 xkl 289

5 YANG HARUS DIINGAT 1 Variabel obyektif adalah variabel yang Anda coba maksimumkan atau minimuimkan dalam membuat keputusan 2 Tabel payoff menunjukkan payoff (nilai variabel obyektif) yang menghasilkan tiap keputusan dan tiap state of nature yang memungkinkan Gambar 19-6 BI B2 B3 B4 B5 Al A A A PA YOFF YANG DIHARAPKAN Meskipun kita tidak percaya pada state of nature yang akan terjadi, kitadapatmengestimasi probabilitas satu state khusus yang ada Petani dapat mempelajari sejarah cuacana lampau, perusahaan dapat mengamati selera konsumen, dan seterusnya Kemudian kita gabungkan state of natare B J dengan probabilitas P J Pada contoh di atas (gambar 19-6) kita mempunyai probabilitas yang ditentukan pada gambar 19-7Tentu saja kita menginginkan P J bemilai 1 Meskipun probabilitas adalah estimasi terbaik, kita masihdapat menggunakan nilai harapan variabel obyektif untuk pilihan yang ditentukan Untuk AI' E(XI) =1(0,3) + 2(0,5) + 5(0,5) + 8(0,5) + 3(0,1) =3,6 Demikian juga, E(X2j)= 4,0 E(E3) = 6,3 dan kita tidak perlu memeriksa pilihan A4karena tidak dapat diterima Nilai harapan variabel obyektif untuk pilihan yang ditentukan disebutpayoff yang diharapkan Jika kita membandingkan payoff yang diharapkan, kita lihat A3 adalah yang tertinggi, dan kita akan memilihnya setelah AIdan A2 Keputusan didasarkan pada kriteria payoff yang diharapkan maksimum Ini bukan satu-satunya kriteria untuk membuat keputusan, tetapi biasanya cukup membantu 290

6 -- Gambar 19-7 State I B) B2 B3 B4 B 5 Probabilitas I 0,30 0,05 0,50 0,05 0,10 Contoh: Penggunaan Kriteria Payoff yang Diharapkan Maksimum Misalnya Anda memakai tabel payoff untuk pennainan papan, dimana Anda:inemilih pilihan yang tersedia pada saat giliran Anda dan state of nature adalah angka lawan Anda yang mungkin melemparkan dua ~adu bennata enam (lihat gambar 19-8) Pilihan mana yang hendaknya Anda pilih, menurut kriteria payoff yang diharapkan maksimum? Jawab: Adalah beralasan mengasumsikan bahwa dadu adalah fair dan kita mempunyai probabilitas state of nature (lihat gambar 19-9) Dengan demikian E(X) =10,14 E(X 2 ) =8,56 E(X 3 ) =12,86 E(X 4 ) =6,44 1) J J J Menggunakan kriteria payoff yang diharapkan maksimum, hendaknya Anda memilih pilihan A3 Gambar 19-8 State io Al A A A

7 Gambar 19-9 State Probabilitas 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36 YANG HARUS DIINGAT 1 Payoff yang diharapkan adalah nilai harapan payboff yang dihasilkan dari keputusan Anda dapat menghitungjika Anda mengetahui probabilitas tiap kejadian state of nature 2 Kriteria payoff yang diharapkan maksimum cukup membantu, tetapi bukan satu-satunya untuk membuat keputusan 292