TEORI PENGAMBILAN KEPUTUSAN
BY RATNA SARI DEWI
PENGAMBILAN KEPUTUSAN Pengambilan keputusan merupakan suatu proses pemilihan salah satu dari beberapa alternatif yang tersedia untuk mencapai sasaran yang telah ditetapkan oleh pengambil keputusan
Tahap Proses Pengambilan keputusan: 1. Menetapkan Sasaran dan tujuan 2. MengidenJfikasi Masalah 3. Mengembangkan alternaJf solusi 4. Memilih alternaJf solusi 5. Melaksanakan keputusan 6. Evaluasi dan kontrol
Menentukan masalah, dpt dilakukan dgn memperJmbangkan ada 3 hal pokok: 1. Urgency (mendesak) 2. Impact (dampak) 3. Tendency (kecenderungan)
Kriteria utama dlm memilih alternaJf terbaik: 1. Mendukung tujuan organisasi 2. Menimbulkan manfaat yang opJmal dan resiko yang minimal 3. Mengatasi masalah baru 4. Melalui pengkajian dengan metode ilmiah 5. Mengurangi faktor subjekJvitas
Membuat keputusan yang baik Apakah yang dapat membuat suatu perusahaan sukses? – Keputusan yang dibuat baik
Bagaimana kita dapat yakin bahwa keputusan yang dibuat baik? – Akurasi prediksi masa yang akan datang
Bagaimana kita melakukannya? – Peramalan
Mengapa diperlukan? Masa depan bersifat tidak pasti (uncertain) Permintaan tidak pasti karena: - Kompetisi - Perilaku konsumen - Siklus bisnis - Upaya penjualan - Siklus hidup produk - Variasi random, dll.
Diperlukan referensi untuk perencanaan à hasil peramalan
PENDEKATAN PENGAMBILAN KEPUTUSAN 1. Fakta 2. Pengalaman 3. Intuisi 4. Logika 5. Analisa Sistem
Metode peramalan
Kualitatif
Kuantitatif
Markov Quain
Delphy Method
M. Time series
M. Smooting
M. Kausal
M. Dekomposisi
M. Regresi
Tehnik Analogy
Moving Average
Trend setengah Rata-rata
Regresi Sederhana
Content Analisys
Exp. Smooting
M. Least Square
Regresi Berganda
Jury of Excutive opinion
M. moment
Sales Force Composite
M. Kuadratik
Cunsumer market survai
TPK dalam menentuan Proyeksi yang baik adalah proyeksi yang mempunyai nilai kesalahan atau error yang kecil Error = hasil proyeksi – kenyataan
Data dan Kegunaannya dalam Teori Pengambilan Keputusan • Data merupakan bahan mentah suatu proyeksi bisnis • Data merupakan fakta. • Data ttg sesuatu akan lebih berarti kalau dikaitkan dgn waktu dan tempat • Semakin lengkap informasi/data, maka semakin akurat
Data menurut sifatnya • Data KuanJtaJf Data yang disajikan dalam bentuk angka • Data KualitaJf Data yang disajikan dalam bentuk pernyataan/ kalimat dan Jdak dalam bentuk angka
Data menurut Skala pengukuran 1. Data Nominal : Skala pengukuran yang menyatakan kategori 2. Ordinal: skala yang menyatakan peringkat contsruct yang diukur + kategori 3. Data Interval : skala mempunyai jarak tetap + kategori + peringkat 4. Data Rasio : Skala yg mempunyai karakteristik kategori,peringkat, jarak dan memp nilai nol mutlak
Data Berdasarkan sumbernya ¡ Data intern, data yang berasal dari dalam organisasi perusahaan. ¡ Data ekstern, data yang berasal dari luar perusahaan. Data ekstern terbagi menjadi data primer (dikumpulkan sendiri untuk peramalan) dan data skunder (data yang telah terkumpul sebelumnya)
Data Berdasarkan dimensi waktunya ¡ Data runtut waktu/ Jme series yaitu yang dikumpulkan dari suatu waktu kewaktu berikutnya selama jangka waktu tertentu ¡ Data crossecJonal, data yang dikumpulkan pada suatu waktu tertentu tanpa memiliki variasi dimensi waktu untuk menggambarkan keadaan pada waktu tertentu
Syarat-‐ syarat Data yang Baik ¡ Data harus obyekJf, sesuai dengan apa adanya. ¡ RefresentaJf, Data yang diperoleh berdasarkan peneliJan sample. Sebagai suatu perkiraan harus dapat mewakili populasi. ¡ Upto date, data yang terbaru dan Jdak usang. ¡ Relevant, data harus ada hubungannya dengan problem yang dianalisis. ¡ Data mempunyai kesalahan yang minimum
Kita lanjutkan setelah pesan2 berikut ini
A. Moving Averages (MOVA) Dengan moving averages (rata-‐rata bergerak) ini kita melakukan peramalan dengan mengambil sekelompok nilai pengamatan, mencari rata-‐ratanya, lalu menggunakan rata-‐ rata tersebut sebagai ramalan untuk periode berikutnya 1. Metode rata-‐rata sederhana 2. Single Moving Averages 3. Double Moving Averages
1. Metode rata-‐rata sederhana Proyeksi dengan menggunakan rata-‐rata sederhana pada prinsipnya menentukan nilai prediksi dengan berdasarkan nilai rata-‐rata data historis selama periode pengamatan X t + X t-‐1 + X t-‐2 + X t-‐(n+1) Ft+1 = -‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐ n
Kelebihan dan Kekurangan Metode rata-‐rata sederhana Kelebihan Metode rata-‐rata sederhana : • Merupakan metode proyeksi yang mudah dan sederhana • Tidak memerlukan banyak data Jme series Kekurangan Metode rata-‐rata sederhana : • Bobot data untuk seJap pengamatan sama, yaitu 1/n sehingga Jdak memperhitungkan data yang ekstrem. • Metoda ini Jdak memperhitungkan unsur trend dan musiman.
2. Single Moving Averages Metode ini dilakukan dengan jalan menghitung rata-‐rata tetapi dengan periode yang selalu bergerak mengikuti perubahan waktu. Tujuan dilakukannya penghitungan rata-‐rata secara bergerak untuk menghilangkan data terlama dan mneggantinya dengan data terbaru
a. Menentukan ramalan SMA X t + X t-‐1 + X t-‐2 + X t-‐(n+1) Ft+1 = -‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐ n Ft+1 = ramalan untuk periode ke t-‐1 Xt = data pada periode ke t n = jangka waktu rata-‐rata bergerak
Menghitung kesalahan Meramal • Hasil proyeksi yang akurat adalah forecast yang bisa meminimalkan kesalahan meramal (forecast error) Error = Penjualan Riil – Ramalan = Xt -‐ Ft dimana : Xt : Data penjualan period eke t Ft :Ramalan period ke t
(1) Mean Absolute Error rata-‐rata absolute dari kesalahan meramal, tanpa menghiraukan tanda positif atau negative. Σ| X t + F t | mean absolute error = -‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐ n
(2) Mean Squared Error Mean Squared Error adalah rata-‐rata kesalahan meramal di kuadratkan Σ( X t + F t )2 mean squared error = -‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐ n
Sifat moving averages • Bila ada data selama P periode kita baru bisa membuat forecast untuk periode ke P+1 • Semakin panjang moving average akan menghasilkan moving average yang semakin halus
Kelemahan Moving average • Perlu data historis • Semua data diberi bobot yang sama • Tidak bisa mengikuJ perubahan yang drasJs • Tidak cocok untuk forecasJng data yang ada gejala trend
3. Double moving average/Metode rata-‐rata bergerak ganda
• Menghitung nilai rata-‐rata bergerak pertama diberi symbol St'. Hasilnya diletakkan pada periode terakhir rata-‐rata bergerak pertama. Yt + Yt-‐1 + Yt-‐2 St' = -‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐ n
• Menghitung nilai rata-‐rata bergerak pertama diberi symbol St'' Hasilnya diletakkan pada periode terakhir rata-‐rata bergerak kedua. • Lalu mencari nilai a (konstanta) dan diberi symbol at dengan rumus sbb : at = St' +(St' -‐ St'' ) = 2 St' -‐ St''
• Mencari nilai b (slope) dengan rumus sbb : 2(St' -‐ St'') bt = -‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐ v-‐1 • Menentukan dan Menghitung nilai proyeksi/ forecast dengan rumus sbb : Ft +m = at + bt (m) ; dimana m : jangka waktu forecast ke depan.
Soal • Perusahaan Maju mundur di Makassar memiliki data penjualan bulanan tahun 2014 sbb :
ESTIMATION VS FORCASTING Demand EsJmaJon : The process of finding current value for the coefficients in the demand funcJon for a parJcular product. Demand ForcasJng : The process of finding current value for demand in future Jme periods
Direct versus Indirect Methods of EsJmaJon Direct methods directly involve the consumer and include interviews and surveys, simulated market situaJons, and controlled market experiments. Indirect demand esJmaJon used data that have been collected and ahempts to find staJsJcal correlaJons between the dependent and the independent variables
Regression Analysis is a staJsJc technique used to discover the apparent dependence of one variable on one or more other variables Time Series analysis used observaJons that have been recorded over Jme in parJcular situaJon.For exp, monthly price and sales levels of a product in a parJcular firm may have been collected for the past twelve months. Cross-‐secJon analysis used observaJons taken from different firms or situaJat the same point or period of Jme.
EsDmasi Permintaan Anlisis Regresi u/ mengetahui hub. KuanJtaJf yg sebenarnya antara permintaan suatu produk (V.D) dgn faktor2 yg mempengaruhinya (V.I) Metode u/ menyusun persamaan Regresi : Metode Least Squares è menemukan grs lurus yg meminimisasi jmh perbedaan verJkal dr garis terhadap seJap hk data
Pengertian Regresi Analisis regresi merupakan studi ketergantungan satu atau lebih variabel bebas terhadap variabel tidak bebas. Dengan maksud untuk meramalkan nilai variabel tidak bebas.
Istilah dan notasi variabel dalam regresi ? Y
X
• Varaibel tergantung (Dependent Variable)
• Varaibel bebas (Independent Variable)
• Variabel yang dijelaskan (Explained Variable)
• Variabel yang menjelaskan (Explanatory Variable)
• Variabel yang diramalkan (Predictand)
• Variabel peramal (Predictor)
• Variabel yang diregresi (Regressand) • Variabel Tanggapan (Response)
• Variabel yang meregresi (Regressor) • Variabel perangsang atau kendali (Stimulus or control variable)
Persamaan Regresi Persamaan Regresi linier Sederhana: Y = a + bX + ε Y a b X ε
= Nilai yang diramalkan = Konstansta = Koefesien regresi = Variabel bebas = Nilai Residu
b=
n(∑ XY ) − (∑ X )(∑ Y ) n( ∑ X 2 ) − ( ∑ X ) 2
Y − b(∑ X ) ∑ a= n
Koefesien Determinasi Koefesien determinasi: 2
R = 1−
2 ˆ ( Y − Y ) ∑
2 ( Y − Y ) ∑
(227,497) R = 1− = 0,743 (886) 2
Koefesien Determinasi Disesuaikan (adjusted) Radj
2 P ( 1 − R ) = R2 − N − P −1
Radj
1(1 − 0,743) = 0,743 − = 0,70 8 −1−1
Kesalahan Baku Estimasi Digunakan untuk mengukur tingkat kesalahan dari model regresi yang dibentuk. Se =
2 ˆ ( Y − Y ) ∑
n−k
Se =
(227,467) = 6,1576 8−2
Standar Error Koefesien Regresi
Digunakan untuk mengukur besarnya tingkat kesalahan dari koefesien regresi:
Sb =
Se ∑X2−
(∑ X ) n
2
Sb1 =
6,1576 (4902) −
(192) 8
2
= 0,359
Uji F Uji F digunakan untuk uji ketepatan model, apakah nilai prediksi mampu menggambarkan kondisi sesungguhnya: Ho: Diterima jika F hitung ≤ F tabel Ha: Diterima jika F hitung > F tabel
R 2 /(k − 1) F= 1 − R 2 /(n − k )
F=
0,743 /(2 − 1) = 17,367 1 − 0,743 /(8 − 2)
Karena F hitung (17,367) > dari F tabel (5,99) maka persamaan regresi dinyatakan Baik (good of fit).
Uji t Digunakan untuk mengatahui pengaruh variabel bebas terhadap variabel tergantung. Ho: Diterima jika t hitung ≤ t tabel Ha: Diterima jika t hitung > t tabel
Thitung
bj = Sbj
thitung
1,497 = = 4,167 0,359
Karena t hitung (4,167) > dari t tabel (1,943) maka Ha diterima ada pengaruh iklan terhadap penjualan.
KESIMPULAN DAN IMPLIKASI KESIMPULAN Terdapat pengaruh positif biaya periklanan terhadap volume penjualan. IMPLIKASI Sebaiknya perusahaan terus meningkatkan periklanan agar penjualan meningkat.
Problem dalam analisis regresi • MulJkolinieritas • HeteroskedasJsitas • Autokorelasi • Kesalahan Spesifikasi • Kesalahan Pengukuran
Model Persamaan Regresi Berganda Ŷ = a + b1X1 + b2X2 Dimana : ei = error term Ŷ = Variabel terikat yg diperkirakan X = Variabel bebas a = constanta b1,b2 = koefisien Regresi parsial x1,x2 = variabel independen 1,2 1. ∑X = n.a + b1∑X1 + b2∑X2 2. ∑X1Y= a∑X1 + b1∑X12+ b2 ∑X1X2 3. ∑X2Y = a ∑X2 + b1∑X2X2 +b2 ∑X22
Proyeksi Trend Metode Trend Linear è Cenderung garis lurus Fungsi Persamaan : Y= a + bX a = ΣY : n b = ΣXY : ΣX2
• Metode Trend KuadraJk Metode ini digunakan è cenderung parabola. Fungsi Persamaan : Y = a + bX + cX2 a = (ΣY – c ΣX2) : n b = ΣXY : ΣX2 c = {nΣX2Y – (Σ X2)(ΣY)} -‐ {nΣX4 – (Σ X2)2}
Moment Metode Momentè Cenderung garis lurus Fungsi Persamaan : Y= a + bX ΣY = n a + b ΣX ΣXY = a ΣX + b ΣX2
• Metode Trend Simple ExponenJal
Metode ini digunakan ècenderung naik turun tdk beraturan Fungsi Persamaan : Y = abX ==> log Y = log a + X log b Log a = (Σ log Y) : n Log b = {ΣX(log Y)} : Σ X2
Tugas Lapangan (Pengambilan Data) 1. Cari studi kasus utk data dilapangan ( asal data ditulis ). Data 10-‐ 20 periode saja. 2. Entri datanya dan cari hasil peramalannya. Sesuai metode yang telah ditentukan untuk masing2 mahasiswa. 3. Cari Errornya dgn metode Square Errror 4. Gunakan program Excel untuk meramalkan. 5. Diskusikan pada pertemuan perkuliahan.
