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)
Definisi Analisis Keputusan 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 - Uncertainty
- Objectives - Trade off
Mengapa Analisis Keputusan diperlukan? Secara psikologis manusia pada umumnya tidak memproses
informasi dan membuat keputusan dengan cara yang tidak konsisten Membantu memahami permasalahan dengan lebih baik
sehingga dapat membuat keputusan yang lebih baik walaupun tidak menjamin memberikan hasil terbaik Memberikan petunjuk yang jelas dalam melakukan
perancangan penyelesaian permasalahan 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
Modeling Uncertainty
Modeling Preferences
• Elemen of Decision Problem • Structuring Decisions • Making Choices • Sensitivity Analysis • Creativity and Decision Making
• Probability Basics • Subjective Probability • Theoretical Probability Models • Using Data • Monte Carlo Simulation • Value of Information
• 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 Parameter Estimates Cost to build (/unit) Revenue (/unit) Demand (units)
150
$ $
6,000 14,000 250
Consequence Variables Total Revenue Total Cost
$ 2,100,000 $ 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.
D.
E.
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 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) 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 Demand Alternative Actions 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 Actions
Demand
Maximax Criterion
Low (50 units) Medium (100 units) High (150 units)
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 State of Nature
Alternative Actions
Demand
Maximin Criterion
Low (50 units) Medium (100 units) High (150 units)
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.
e.
1.
2.
Expected Value of Sample Information (EVSI) Merupakan harapan yang diinginkan dengan tambahan informasi untuk dapat mengubah /memperbaiki keputusan, dengan menggunakan teori Bayes. Kriteria Utility dalam suasana risk EV max / EOL min tidak selalu digunakan sebagai pedoman dalam mengambil keputusan, hal ini terjadi karena: Orang lebih memilih terhindar dari musibah potensial daripada mewujudkan keuntungan dalam jangka panjang 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 State of Nature Alternative Actions
Demand
Expected Return
Low (50 units) Medium (100 units) High (150 units)
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
0.5
0.3
1.0
Probability
0.2
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 EVC, the EV “under certainty”) EVUII = Expected Value of the best action with
imperfect information (also called EVBest ) 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 State of Nature Alternative Actions
Demand
Expected Return
Low (50 units) Medium (100 units) High (150 units)
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
0.2
0.5
0.3
1.0
400,000
800,000
1,200,000
840,000
EVPI
180,000
Probability Best Decision
