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 yang beresiko adalah ekspektasi nilai maksimum (atau minimum). Dengan kriteria ini diasumsikan bahwa nilai dapat diestimasikan sebagai produk dari nilai suatu hasil dan probabilitas kemunculannya. Model-model pengambilan keputusan dalam analisa kuantitatif sering menggunakan anggapan tersedianya informasi yang sempurna. 6623 - Taufiqur Rachman 1
Pendahuluan 3 Dalam kenyataan para pimpinan sering dipaksa harus mengambil keputusan tanpa informasi sempurna (ada variabilitas informasi, seperti kondisi kepastian, risiko dan ketidakpastian). Model Pengambilan Keputusan dipengaruhi atau tergantung dari Informasi yang ada/yang dimiliki. Informasi yang ada, pada dasarnya dapat digolongkan menjadi 2 (dua) yaitu: Informasi Sempurna (Perfect Information) Informasi Tidak Sempurna (Imperfect Information). Model Pengambilan Keputusan 4 Jika dikaitkan dengan informasi yang dimiliki, maka model terdapat 3 pengambilan keputusan: 1) Model Pengambilan Keputusan dalam Keadaan Kepastian (Certainty). 2) Model Pengambilan Keputusan dalam kondisi Berisiko (Risk). 3) Model Pengambilan Keputusan dengan Ketidakpastian (Uncertainty). 6623 - Taufiqur Rachman 2
Model Pengambilan Keputusan (1) 5 1) Model Pengambilan Keputusan dalam Keadaan Kepastian (Certainty). Menggambarkan bahwa setiap rangkaian keputusan (kegiatan) hanya mempunyai satu hasil (pay off tunggal). Model ini disebut juga Model Kepastian/ Deterministik. Model Pengambilan Keputusan (2) 6 2) Model Pengambilan Keputusan dalam kondisi Berisiko (Risk). Menggambarkan bahwa setiap rangkaian keputusan (kegiatan) mempunyai sejumlah kemungkinan hasil dan masing-masing kemungkinan hasil probabilitasnya dapat diperhitungakan atau dapat diketahui. Model Keputusan dengan Risiko ini disebut juga Model Stokastik. 6623 - Taufiqur Rachman 3
Model Pengambilan Keputusan (3) 7 3) Model Pengambilan Keputusan dengan Ketidakpastian (Uncertainty). Menggambarkan bahwa setiap rangkaian keputusan (kegiatan) mempunyai sejumlah kemungkinan hasil dan masing-masing kemungkinan hasil probabilitasnya tidak dapat diketahui/ditentukan. Model Keputusan dengan kondisi seperti ini adalah situasi yang paling sulit untuk pengambilan keputusan. Kondisi yang penuh ketidakpastian ini relevan dengan apa yang dipelajari dalam Game Theory. Metode Kuantitatif Teori Keputusan 8 Fokus yang dipelajari dalam Metode Kuantitatif hanya pada Model Pengambilan Keputusan dengan Risiko (Risk). Teori keputusan (decision theory) dalam kasus ini bertujuan untuk memaksimumkan benefit atau meminimumkan biaya-biaya berbagai keputusan dalam kondisi berisiko. 6623 - Taufiqur Rachman 4
Contoh Kasus 9 Seorang pedagang jeruk barang dagangannya secara eceran dengan harga Rp.1500,-/buah. Apabila jeruk tersebut tidak laku dijual secara eceran (mendekati masa kadaluarsa) maka ada perusahaan yang bersedia membeli jeruk tersebut dengan harga Rp.300,-/buah. Pedagang tersebut membeli jeruk dengan harga Rp.1000,-/buah. Saat ini pedagang tersebut sedang memikirkan berapa persediaan yang ideal untuk barang dagangannya. Berdasarkan pengalaman dari periode tahun lalu dimana ia berjualan selama 300 hari adalah sebagai berikut: Terjual rata-rata Jumlah hari 500 buah 60 hari 600 buah 90 hari 700 buah 120 hari 800 buah 30 hari Penyelesaian Kasus 10 Kasus tersebut bisa diselesaikan dengan: 1) Kriteria Keputusan : a) Kriteria Maximax b) Kriteria Maximin c) Kriteria Kemungkinan Maksimum d) Kriteria Laplace 2) Kriteria Expected Value yang Tertinggi 3) Kriteria Pohon Keputusan (Decision Tree). 6623 - Taufiqur Rachman 5
Penyelesaian Kasus 11 Diketahui: Harga jual per buah = Rp.1500,- Harga jual per buah apabila jeruk tidak laku di jual = Rp.300,- Harga beli jeruk per buah = Rp.1000,- Keuntungan per jeruk = Rp.1500 Rp.1000 = Rp.500,- Rugi per jeruk = Rp.1000 Rp.300 = Rp.700,- Nilai probabilitas penjualan jeruk adalah Terjual rata-rata Probabilitas 500 buah 60/300 = 0,2 600 buah 90/300 = 0,3 700 buah 120/300 = 0,4 800 buah 30/300 = 0,1 Total 1,0 Tabel Pay Off Kasus 12 Kondisi Dasar (X) Permintaan (Probabilititas) 500 (0,2) 600 (0,3) 700 (0,4) 800 (0,1) 500 250000 250000 250000 250000 600 180000 300000 300000 300000 700 110000 230000 350000 350000 800 40000 160000 280000 400000 Tabel Pay Off (Kerugian atau Keuntungan dari berbagai kondisi). Cara: X 500,500 = 500 buah x Rp.500,- = Rp.250000,- X 600,800 = 600 buah x Rp.500,- = Rp.300000,- X 800,600 = (600 buah x Rp.500,-) (200 buah x Rp.700,-) = Rp.300000 Rp.140000 = Rp.160000,- 6623 - Taufiqur Rachman 6
Penyelesaian Kriteria Maximax 13 Kriteria Maximax, mengatakan bahwa keputusan yang mempunyai pay off paling tinggi (tanpa memperdulikan hal lain) yang seharusnya dipilih (Optimistik). Lihat Tabel Pay Off: Maksimum Baris 1 = 250000 Maksimum Baris 2 = 300000 Maksimum Baris 3 = 350000 Maksimum Baris 4 = 400000 Yang tertinggi adalah 400000, berarti persediaan ideal adalah 800 buah jeruk. Penyelesaian Kriteria Maximin 14 Kriteria Maximin, memilih keputusan yang menghasilkan nilai maksimum dari pay off yang minimum. Minimum Baris 1 = 250000 Minimum Baris 2 = 180000 Minimum Baris 3 = 110000 Minimum Baris 4 = 040000 Yang tertinggi adalah 250000, berarti persediaan ideal adalah 500 buah jeruk. 6623 - Taufiqur Rachman 7
Penyelesaian Kriteria Kemungkinan Maksimum 15 Menyatakan seseorang seharusnya memilih keputusan optimalnya atas dasar yang paling sering terjadi, dalam hal ini dilihat dari probabilitasnya maka yang paling sering terjadi adalah permintaan 700 dengan probabilitas 0,4. Jadi sebaiknya persediaan ideal adalah 700 buah jeruk bakso dengan kemungkinan keuntungan yang diperoleh sebesar 350000. Penyelesaian Kriteria Laplace 16 Kriteria Laplace Seseorang seharusnya memilih keputusan yang mempunyai laba rata-rata tertinggi. Dalam hal ini persediaan ideal adalah 800 buah jeruk dengan rata-rata keuntungan 325000. 6623 - Taufiqur Rachman 8
Penyelesaian Kriteria Expected Value Tertinggi 17 Kriteria Expected Value yang Tertinggi Keputusan yang dipilih adalah keputusan yang mempunyai expected value pay off yang tertinggi. Perhitungan EV (EMV = Expected Monetary Value) dapat diperoleh dengan memasukan semua besaran probabilitas dalam perhitungan. Keputusan yang diambil untuk persediaan optimal sebanyak 600 buah jeruk dengan EMV sebesar Rp.276000,- Cara Mencari EMV 18 Kondisi Dasar (X) Permintaan (Probabilititas) 500 (0,2) 600 (0,3) 700 (0,4) 800 (0,1) EVM 500 50000 75000 100000 25000 250000 600 36000 90000 120000 30000 276000 700 22000 69000 140000 35000 266000 800 8000 48000 112000 40000 208000 Cara untuk kondisi 500: = (0,2 x 250000) + (0,3 x 250000) + (0,4 x 250000) + (0,1 x 250000) = 50000 + 75000 + 100000 + 25000 = 250000 Sehingga di lihat dari tabel EVM, maka dengan pendekatan EMV, persediaan optimal sebanyak 600 buah jeruk dengan EMV sebesar Rp.276000,- 6623 - Taufiqur Rachman 9
6623 - Taufiqur Rachman Penyelesaian Kriteria Pohon Keputusan 19 20 6623 - Taufiqur Rachman 10