Isnain Ardiansyah Teknik Industri Unirversitas PGRI Ronggolawe Tuban
Mengapa Keputusan Sulit Dibuat? 1. Kompleksitas Problem disusun dalam struktur yang dapat dianalisis 2. Uncertainty Mengidentifikasi sumber ketidakpastian dan mengkuantifikasinya 3. Multiple objectives Menyediakan kerangka dan tool khusus untuk menangani banyak tujuan 4. Perbedaan perspektif Perbedaan perspektif dapat menyebabkan perbedaan kesimpulan
Mengapa belajar Analisis Keputusan? Decision Analysis lead to better decisions A good decision Looking back in the past, one can say that one would have made the same decision given the information at the time of the decision Terdapat kerancuan antara lucky outcome dan good decision You can make a good decision but still have an lucky outcome (Catatan: meskipun analisis keputusan tidak dapat meningkatkan lucky, tetapi dapat membantu untuk memahami lebih baik permasalahan yang dihadapai dan membuat keputusan yang lebih baik)
DefinisiAnalisisKeputusan Keeney and Raiffa, 1976 Prescriptive approach designed for normally intelligent people who want to think hard and systematically about some important real problems A decision analysis is an information source A decision analysis should not replace a decision maker but should support him A decision analysis not only provide solution, but also provide insight to: - Situation - Objectives - Uncertainty - Trade off
Mengapa Analisis Keputusan diperlukan? Secara psikologis manusia pada umumnya tidak memproses informasi dan membuat keputusan dengan cara yang tidak konsisten Membantu memahami permasalahandengan lebih baik sehingga dapat membuat keputusan yang lebih baik walaupun tidak menjamin memberikan hasil terbaik Memberikan petunjuk yang jelas dalam melakukan perancangan penyelesaianpermasalahan real (kompleks) secara sistematis Untuk menyesuaikan terhadap tindakan yang diambil sebelumnya agar keputusan tersebut benar-benar tepat untuk dijalankan (memperbaiki kualitas keputusan)
Alasan Subjektifitas dalam Pengambilan Keputusan Tool lain (OR/Management Science) hanya memasukkan hal-hal yang bersifat objektif dan menginginkan solusi yang optimal dari inputnya Adanya ketidakpastian dan nilai dalam permasalahan tersebut Subjektifitas muncul pada waktu suatu permasalahan muncul Manusia adalah pengolah informasi yang tidak sempurna
Proses Analisis Keputusan (1)
Proses Analisis Keputusan (2) 1. Identifikasi Permasalahan Seluruh aspek harus mendapat perhatian untuk diidentifikasi Pemahaman yang baik terhadap permasalahan seringkali menyatakan permasalahan real yang mungkin tersembunyi Seringkali sulit untuk dilaksanakan dengan baik 2. Identifikasi Tujuan dan Alternatif Menentukan tujuan yang akan dicapai Mengembangkan alternatif untuk pemecahan masalahnya Kunci keberhasilan Analisis Keputusan pada langkah ini
Proses Analisis Keputusan (3) 2. Identifikasi Mengembangkan pola kreatifitas dari beberapa teknik yang dapat dipakai untuk memunculkan dan menemukan alternatif-alternatif yang baru Memahami dengan baik terhadap aspek-aspek yang terdapat disekitar permasalahan, pertimbangan subjektif atau yang bersifat probabilistik 3. Pembuatan Model dan Pengambilan Keputusan Menyusun permasalahan ke dalam struktur yang lebih kecil dan lebih mudah ditangani Melibatkan elemen-elemen ketidakpastian dan aspek objektif Merupakan pendekatan yang lebih kuantitatif dan lebih mudah untuk dianalisis
Dimana Analisis Keputusan digunakan? Bisnis dan Pemerintah Managing research and development programs Understanding the World Oil Market Forecasting sales for a new product Electric power generation Deciding whether to launch a new product or venture
Where are We Going from Here? Modeling Decisions Elemen of Decision Problem Structuring Decisions Making Choices Sensitivity Analysis Creativity and Decision Making Modeling Uncertainty Probability Basics Subjective Probability Theoretical Probability Models Using Data Monte Carlo Simulation Value of Information Modeling Preferences Risk Attitudes Utility Axioms, Paradoxes, and Implications Conflicting Objective I Conflicting Objective II (Multi Attribute Utility Theory)
Decision Analysis A set of alternative actions We may chose whichever we please A set of possible states of nature Only one will be correct, but we don t know in advance A set of outcomes and a value for each Each is a combination of an alternative action and a state of nature Value can be monetary or otherwise
Decision Analysis Certainty Decision Maker knows with certainty what the state of nature will be -only one possible state of nature Ignorance Decision Maker knows all possible states of nature, but does not know probability of occurrence Risk Decision Maker knows all possible states of nature, and can assign probability of occurrence for each state
Decision Making Under Certainty Decision Variable Units to build 150 Parameter Estimates Cost to build (/unit) $ 6,000 Revenue (/unit) $ 14,000 Demand (units) 250 Consequence Variables Total Revenue $ 2,100,000 Total Cost $ 900,000 Performance Measure Net Revenue $ 1,200,000
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.
Kriteria-kriteria yang digunakan dalam kondisi ini adalah: 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 Kelemahan: mengabaikan banyak informasi yang tersedia
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 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 beberapa informasi yang tersedia (ex: prospek ekonomi sedang diabaikan) E. Kriteria LAPLACE / BOBOT YANG SAMA (Equal Likelihood) Asumsi: semua peristiwa mempunyai kemungkinan yang sama untuk terjadi
Decision Making Under Ignorance Payoff Table Kelly Construction Payoff Table (Prob. 8-17) State of Nature Alternative Actions Demand Low (50 units) Medium (100 units) High (150 units) Build 50 400,000 400,000 400,000 Build 100 100,000 800,000 800,000 Build 150 (200,000) 500,000 1,200,000
Decision Making Under Ignorance Maximax Select the strategy with the highest possible return Maximin Select the strategy with the smallest possible loss LaPlace-Bayes All states of nature are equally likely to occur. Select alternative with best average payoff
Maximax: The Optimistic Point of View Select the best of the best strategy Evaluates each decision by the maximum possible return associated with that decision (Note: if cost data is used, the minimum return is best ) The decision that yields the maximum of these maximum returns (maximax) is then selected For risk takers Doesn t consider the down side risk Ignores the possible losses from the selected alternative
Maximax Example Kelly Construction State of Nature Alternative Demand Actions Low (50 units) Medium (100 units) High (150 units) Maximax Criterion Max Build 50 400,000 400,000 400,000 400,000 Build 100 100,000 800,000 800,000 800,000 Build 150 (200,000) 500,000 1,200,000 1,200,000
Maximin: The Pessimistic Point of View Select the best of the worst strategy Evaluates each decision by the minimum possible return associated with the decision The decision that yields the maximum value of the minimum returns (maximin) is selected For risk averse decision makers A protect strategy Worst case scenario the focus
Maximin Kelly Construction Alternative Actions State of Nature Demand Low (50 units) Medium (100 units) High (150 units) Maximin Criterion Min Build 50 400,000 400,000 400,000 400,000 Build 100 100,000 800,000 800,000 100,000 Build 150 (200,000) 500,000 1,200,000 (200,000)
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
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.
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
Decision Making Under Risk Expected Return (ER)* Select the alternative with the highest (long term) expected return A weighted average of the possible returns for each alternative, with the probabilities used as weights * Also referred to as Expected Value (EV) or Expected Monetary Value (EMV) **Note that this amount will not be obtained in the short term, or if the decision is a one-time event!
Expected Return Alternative Actions State of Nature Demand Low (50 units) Medium (100 units) High (150 units) Expected Return ER Build 50 400,000 400,000 400,000 400,000 Build 100 100,000 800,000 800,000 660,000 Build 150 (200,000) 500,000 1,200,000 570,000 Probability 0.2 0.5 0.3 1.0
Expected Value of Perfect Information EVPI measures how much better you could do on this decision if you could always know when each state of nature would occur, where: EVUPI = Expected Value Under Perfect Information (also called EVwPI, the EV with perfect information, or EV C, the EV under certainty ) EVUII = Expected Value of the best action with imperfect information (also called EV Best ) EVPI = EVUPI EVUII EVPI tells you how much you are willing to pay for perfect information (or is the upper limit for what you would pay for additional imperfect information!)
Expected Value of Perfect Information Alternative Actions State of Nature Demand Low (50 units) Medium (100 units) High (150 units) Expected Return ER Build 50 400,000 400,000 400,000 400,000 Build 100 100,000 800,000 800,000 660,000 Build 150 (200,000) 500,000 1,200,000 570,000 Probability 0.2 0.5 0.3 1.0 Best Decision 400,000 800,000 1,200,000 840,000 EVPI 180,000