SlideShare a Scribd company logo
1 of 16
LOGO
Pengambilan Keputusan dalam
Kondisi Tidak Pasti
www.febriyanto79.wordpress.com
 Untuk menentukan berapa jumlah koran yang harus dibeli, perlu
dibuat tabel pay off yang menunjukkan netcash flow antara
jumlah koran yang diambil/dibeli pada pagi hari.
 Kelemahan, dalam pengambilan keputusan hanya
satu informasi yang digunakan, sehingga informasi
lain yang tidak terdapat pada tabel pay off diabaikan.
KEPUTUSAN DALAM SUASANA BERISIKO
KEPUTUSAN DALAM UNCERTAINTY
(KETIDAKPASTIAN)
 Pengambilan keputusan dalam ketidakpastian
menunjukkan suasana keputusan dimana
probabilitas hasil-hasil potensial tidak diketahui.
 Dalam suasana ketidakpastian pengambil keputusan
sadar akan hasil-hasil alternatif dalam bermacam-
macam peristiwa, namun pengambil keputusan tidak
dapat menetapkan probabilitas peristiwa.
www.febriyanto79.wordpress.com
Kriteria yang digunakan dalam
kondisi Tidak Pasti
1. Kriteria LAPLACE / BOBOT YANG SAMA (Equal
Likelihood)
 Asumsi: semua peristiwa mempunyai
kemungkinan yang sama untuk terjadi.
 Pengambilan keputusan hanya mengetahui
outcome dari suatu tindakan, tetapi tidak dapat
meprediksi berapa probabilitas outcome dari
setiap keputusan tersebut.
www.febriyanto79.wordpress.com
Kriteria yang digunakan dalam Kondisi Tidak Pasti
1. Kriteria LAPLACE / BOBOT YANG SAMA
 Contoh: dengan menggunakan tabel pay off contoh penjual koran:
Keputusan membeli koran sebanyak 50, karena memberikan nilai ER paling besar
Pembelian Koran
Jumlah dan Permintaan Koran
10 50 100 150
10 1,500 1,500 1,500 1,500
50 (6,500) 7,500 7,500 7,500
100 (16,500) (2,500) 15,000 15,000
150 (26,500) (12,500) 5,000 22,500
Expected Return
Probabilitas
ER
0.25 0.25 0.25 0.25
ER 10 = 375 375 375 375 1,500
ER 50 = (1,625) 1,875 1,875 1,875 4,000
ER 100 = (4,125) (625) 3,750 3,750 2,750
ER 150 = (6,625) (3,125) 1,250 5,625 (2,875)
Kriteria yang digunakan dalam
kondisi Tidak Pasti
2. 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 ciri pengambil keputusan modern
www.febriyanto79.wordpress.com
Kriteria yang digunakan dalam Kondisi Tidak Pasti
2. Kriteria MAXIMIN
 Contoh: dengan menggunakan tabel pay off contoh penjual koran:
Keputusan membeli
koran sebanyak 10,
karena memberikan
nilai ER paling besar
Pembelian Koran Pay Off Minimum
10 1,500
50 (6,500)
100 (16,500)
150 (26,500)
Pembelian Koran
Jumlah dan Permintaan Koran
10 50 100 150
10 1,500 1,500 1,500 1,500
50 (6,500) 7,500 7,500 7,500
100 (16,500) (2,500) 15,000 15,000
150 (26,500) (12,500) 5,000 22,500
Kriteria yang digunakan dalam
kondisi Tidak Pasti
3. 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
www.febriyanto79.wordpress.com
Kriteria yang digunakan dalam Kondisi Tidak Pasti
3. Kriteria MAXIMAX
 Contoh: dengan menggunakan tabel pay off contoh penjual koran:
Keputusan membeli
koran sebanyak 150,
karena memberikan
nilai ER paling besar
Pembelian Koran Pay Off Maksimum
10 1,500
50 7,500
100 15,000
150 22,500
Pembelian Koran
Jumlah dan Permintaan Koran
10 50 100 150
10 1,500 1,500 1,500 1,500
50 (6,500) 7,500 7,500 7,500
100 (16,500) (2,500) 15,000 15,000
150 (26,500) (12,500) 5,000 22,500
Kriteria yang digunakan dalam
kondisi Tidak Pasti
4. Kriteria MINIMAX REGRET (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
www.febriyanto79.wordpress.com
Kriteria yang digunakan dalam
kondisi Tidak Pasti
4. Kriteria MINIMAX REGRET (L.J. Savage)
Jumlah regret/opportunity loss = Pay off max – pay off alternatif
www.febriyanto79.wordpress.com
Pembelian Koran
Jumlah dan Permintaan Koran
10 50 100 150
10 1,500 1,500 1,500 1,500
50 (6,500) 7,500 7,500 7,500
100 (16,500) (2,500) 15,000 15,000
150 (26,500) (12,500) 5,000 22,500
Pembelian Koran
Jumlah dan Permintaan Koran
10 50 100 150
10 0 6.000 13.500 21.000
50 8.000 0 7.500 15.000
100 18.000 10.000 0 7.500
150 28.000 20.000 10.000 0
Kriteria yang digunakan dalam
kondisi Tidak Pasti
4. Kriteria MINIMAX REGRET (L.J. Savage)
Jumlah regret/opportunity loss = Pay off max – pay off alternatif
www.febriyanto79.wordpress.com
Pembelian Koran
Jumlah dan Permintaan Koran
10 50 100 150
10 0 6.000 13.500 21.000
50 8.000 0 7.500 15.000
100 18.000 10.000 0 7.500
150 28.000 20.000 10.000 0
Pembelian Koran Maximum Regret
10 21,000
50 15,000
100 18,000
150 28,000
Keputusan membeli
koran sebanyak 50,
karena memberikan
nilai Regret paling kecil
www.febriyanto79.wordpress.co
EVPI (Expected Value of Perfect Information
 EVPI adalah informasi yang tepat tentang nilai yang diperoleh,
sehingga jumlah kerugian tidak terlalu besar ditanggung.
 Untuk menghitung biaya atas informasi yang diperoleh
digunakan rumus: EVPI = ER sempurna – ER tidak sempurna
 EVPI =
 [1.500 (0.1) + 7.500 (0.2) + 15.000 (0.3) + 22.500 (0.4)] – 8.350
 6.800..jumlah maksimum yg dibayar untuk informasi sempurna.
www.febriyanto79.wordpress.com
Pembelian Koran
Jumlah dan Permintaan Koran
10 50 100 150
10 1,500 1,500 1,500 1,500
50 (6,500) 7,500 7,500 7,500
100 (16,500) (2,500) 15,000 15,000
150 (26,500) (12,500) 5,000 22,500
EVPI (Expected Value of Perfect Information
Pembelian 0.1 0.2 0.3 0.4 ER
10 0 6000 13500 21000 13650
50 8000 0 7.5 15000 6802
100 18000 10000 0 7500 6800
150 28000 20000 10000 0 9800
www.febriyanto79.wordpres
EVPI =
[1.500 (0.1) + 7.500 (0.2) + 15.000 (0.3) + 22.500 (0.4)] – 8.350
6.800..jumlah maksimum yg dibayar untuk informasi sempurna.
Berdasarkan perhitungan EVPI , maka jumlah pembelian yang
dapat dilakukan sebanyak 100, karena mempunyai nilai ER dan
EVPI sama.
ER = 18000(0.1) + 10000(0.2) + 0 (0.3) + 7500 (0.4) = 6800

More Related Content

What's hot

Mi+ +bab+3+metode+transportasi
Mi+ +bab+3+metode+transportasiMi+ +bab+3+metode+transportasi
Mi+ +bab+3+metode+transportasi
Hari Sumartono
 
Pert.11 metode penugasan
Pert.11 metode penugasanPert.11 metode penugasan
Pert.11 metode penugasan
wawankoerniawan
 
Metode Simplek Minimasi
Metode Simplek MinimasiMetode Simplek Minimasi
Metode Simplek Minimasi
Siti Zuariyah
 
Lampiran cd manajemen operasi
Lampiran cd manajemen operasiLampiran cd manajemen operasi
Lampiran cd manajemen operasi
Aven Richardo
 
Analisis STP Pada Produk SONY
Analisis STP Pada Produk SONYAnalisis STP Pada Produk SONY
Analisis STP Pada Produk SONY
Naiina Jhanggiani
 
8. manajemen-persediaan
8. manajemen-persediaan8. manajemen-persediaan
8. manajemen-persediaan
Lambok_siregar
 

What's hot (20)

TEORI PERMAINAN (GAME THEORY)
TEORI PERMAINAN (GAME THEORY)TEORI PERMAINAN (GAME THEORY)
TEORI PERMAINAN (GAME THEORY)
 
Pp 2 penentuan lokasi pabrik
Pp 2 penentuan lokasi pabrikPp 2 penentuan lokasi pabrik
Pp 2 penentuan lokasi pabrik
 
Mi+ +bab+3+metode+transportasi
Mi+ +bab+3+metode+transportasiMi+ +bab+3+metode+transportasi
Mi+ +bab+3+metode+transportasi
 
Nilai Waktu dari Uang
Nilai Waktu dari UangNilai Waktu dari Uang
Nilai Waktu dari Uang
 
Presentasi seminar manajemen
Presentasi seminar manajemenPresentasi seminar manajemen
Presentasi seminar manajemen
 
Strategi dominan & keseimbangan nash
Strategi dominan & keseimbangan nashStrategi dominan & keseimbangan nash
Strategi dominan & keseimbangan nash
 
Pert.11 metode penugasan
Pert.11 metode penugasanPert.11 metode penugasan
Pert.11 metode penugasan
 
Metode Simplek Minimasi
Metode Simplek MinimasiMetode Simplek Minimasi
Metode Simplek Minimasi
 
Manajemen keuangan part 2 of 5
Manajemen keuangan part 2 of 5Manajemen keuangan part 2 of 5
Manajemen keuangan part 2 of 5
 
Mengembangkan Strategi dan Program Penetapan Harga
Mengembangkan Strategi dan Program Penetapan HargaMengembangkan Strategi dan Program Penetapan Harga
Mengembangkan Strategi dan Program Penetapan Harga
 
Analisis pohon kepputusan
Analisis pohon kepputusanAnalisis pohon kepputusan
Analisis pohon kepputusan
 
Menganalisis Pasar Konsumen Dan Pasar Bisnis
Menganalisis Pasar Konsumen Dan Pasar BisnisMenganalisis Pasar Konsumen Dan Pasar Bisnis
Menganalisis Pasar Konsumen Dan Pasar Bisnis
 
Laundry manmut
Laundry manmutLaundry manmut
Laundry manmut
 
Lampiran cd manajemen operasi
Lampiran cd manajemen operasiLampiran cd manajemen operasi
Lampiran cd manajemen operasi
 
Analisis STP Pada Produk SONY
Analisis STP Pada Produk SONYAnalisis STP Pada Produk SONY
Analisis STP Pada Produk SONY
 
materi ekonomi Elastisitas
materi ekonomi Elastisitasmateri ekonomi Elastisitas
materi ekonomi Elastisitas
 
8. manajemen-persediaan
8. manajemen-persediaan8. manajemen-persediaan
8. manajemen-persediaan
 
Tugas UAS Rangkuman Riset Operasi
Tugas UAS Rangkuman Riset Operasi Tugas UAS Rangkuman Riset Operasi
Tugas UAS Rangkuman Riset Operasi
 
Keputusan Pembelian Dalam Kondisi Tidak Pasti
Keputusan Pembelian Dalam Kondisi Tidak PastiKeputusan Pembelian Dalam Kondisi Tidak Pasti
Keputusan Pembelian Dalam Kondisi Tidak Pasti
 
Bab 7 menganalisa pasar bisnis (klmp 2)
Bab 7 menganalisa pasar bisnis (klmp 2)Bab 7 menganalisa pasar bisnis (klmp 2)
Bab 7 menganalisa pasar bisnis (klmp 2)
 

Similar to 6-teknik-pengambilan-keputusan-kondisi-tidak-pasti.ppt

Teori keputusan decision tree ketidakpastian_gtr2013
Teori keputusan decision tree ketidakpastian_gtr2013Teori keputusan decision tree ketidakpastian_gtr2013
Teori keputusan decision tree ketidakpastian_gtr2013
Gusti Rusmayadi
 
Questions RéPonses Id
Questions RéPonses IdQuestions RéPonses Id
Questions RéPonses Id
astrelin
 

Similar to 6-teknik-pengambilan-keputusan-kondisi-tidak-pasti.ppt (20)

Menerapkan pohon keputusan pada keputusan kapasitas
Menerapkan pohon keputusan pada keputusan kapasitasMenerapkan pohon keputusan pada keputusan kapasitas
Menerapkan pohon keputusan pada keputusan kapasitas
 
Teori keputusan decision tree ketidakpastian_gtr2013
Teori keputusan decision tree ketidakpastian_gtr2013Teori keputusan decision tree ketidakpastian_gtr2013
Teori keputusan decision tree ketidakpastian_gtr2013
 
Pertemuan 5 Materi Riset Operasi Wdy 2022.pptx
Pertemuan 5 Materi Riset Operasi Wdy 2022.pptxPertemuan 5 Materi Riset Operasi Wdy 2022.pptx
Pertemuan 5 Materi Riset Operasi Wdy 2022.pptx
 
Perhitungan bagi hasil
Perhitungan bagi hasilPerhitungan bagi hasil
Perhitungan bagi hasil
 
Part 2
Part 2Part 2
Part 2
 
Compliation Homework Microeconomics - Steven Nathanael
Compliation Homework Microeconomics - Steven NathanaelCompliation Homework Microeconomics - Steven Nathanael
Compliation Homework Microeconomics - Steven Nathanael
 
Menerapkan pohon keputusan pada keputusan kapasitas
Menerapkan pohon keputusan pada keputusan kapasitasMenerapkan pohon keputusan pada keputusan kapasitas
Menerapkan pohon keputusan pada keputusan kapasitas
 
Decision under uncertainty
Decision under uncertaintyDecision under uncertainty
Decision under uncertainty
 
EKMA4413 - Riset Operasi - Modul 8
EKMA4413 - Riset Operasi - Modul 8EKMA4413 - Riset Operasi - Modul 8
EKMA4413 - Riset Operasi - Modul 8
 
Compilation microeconomics
Compilation microeconomicsCompilation microeconomics
Compilation microeconomics
 
Compilation microeconomics
Compilation microeconomicsCompilation microeconomics
Compilation microeconomics
 
Laporan 4
Laporan 4Laporan 4
Laporan 4
 
[Pk] pertemuan 12 Decision Tree
[Pk] pertemuan 12  Decision Tree[Pk] pertemuan 12  Decision Tree
[Pk] pertemuan 12 Decision Tree
 
EKMA4413 - Riset Operasi - Modul 8
EKMA4413 - Riset Operasi - Modul 8EKMA4413 - Riset Operasi - Modul 8
EKMA4413 - Riset Operasi - Modul 8
 
Pengambilan keputusan taktis
Pengambilan keputusan taktisPengambilan keputusan taktis
Pengambilan keputusan taktis
 
Questions RéPonses Id
Questions RéPonses IdQuestions RéPonses Id
Questions RéPonses Id
 
Materi Present Worth.pptx
Materi Present Worth.pptxMateri Present Worth.pptx
Materi Present Worth.pptx
 
Presentasi decision making
Presentasi decision makingPresentasi decision making
Presentasi decision making
 
PPT MO TEORI KEPUTUSAN.pptx
PPT MO TEORI KEPUTUSAN.pptxPPT MO TEORI KEPUTUSAN.pptx
PPT MO TEORI KEPUTUSAN.pptx
 
Materi Komputer Akuntansi Dagang / Waserda Koperasi
Materi Komputer Akuntansi Dagang / Waserda KoperasiMateri Komputer Akuntansi Dagang / Waserda Koperasi
Materi Komputer Akuntansi Dagang / Waserda Koperasi
 

More from AsepRahmatullah2 (14)

Materi Kuliah Kutipan Langsung dan Tidak Langsung
Materi Kuliah Kutipan Langsung dan Tidak LangsungMateri Kuliah Kutipan Langsung dan Tidak Langsung
Materi Kuliah Kutipan Langsung dan Tidak Langsung
 
fdokumen.com_pompa-hydram.ppt
fdokumen.com_pompa-hydram.pptfdokumen.com_pompa-hydram.ppt
fdokumen.com_pompa-hydram.ppt
 
2.-Biomekanika.ppt
2.-Biomekanika.ppt2.-Biomekanika.ppt
2.-Biomekanika.ppt
 
Ergonomi-Perancangan-Sistem-Kerja-1-Pertemuan-3.pptx
Ergonomi-Perancangan-Sistem-Kerja-1-Pertemuan-3.pptxErgonomi-Perancangan-Sistem-Kerja-1-Pertemuan-3.pptx
Ergonomi-Perancangan-Sistem-Kerja-1-Pertemuan-3.pptx
 
2016_Ankep_08_-_AHP_2.pdf
2016_Ankep_08_-_AHP_2.pdf2016_Ankep_08_-_AHP_2.pdf
2016_Ankep_08_-_AHP_2.pdf
 
pertemuan-4-manajemen-sdm-sda-kebutuhan-aset.ppt
pertemuan-4-manajemen-sdm-sda-kebutuhan-aset.pptpertemuan-4-manajemen-sdm-sda-kebutuhan-aset.ppt
pertemuan-4-manajemen-sdm-sda-kebutuhan-aset.ppt
 
12.-Human-Machine-Interface-Pertemuan-12.ppt
12.-Human-Machine-Interface-Pertemuan-12.ppt12.-Human-Machine-Interface-Pertemuan-12.ppt
12.-Human-Machine-Interface-Pertemuan-12.ppt
 
FMEA.ppt
FMEA.pptFMEA.ppt
FMEA.ppt
 
13-TQM-FMEA.pdf
13-TQM-FMEA.pdf13-TQM-FMEA.pdf
13-TQM-FMEA.pdf
 
Bahan Ajar Kuliah Teknik Manajemen Perawatan _ Sistem Penunjang Perawatan_2.pdf
Bahan Ajar Kuliah Teknik Manajemen Perawatan _ Sistem Penunjang Perawatan_2.pdfBahan Ajar Kuliah Teknik Manajemen Perawatan _ Sistem Penunjang Perawatan_2.pdf
Bahan Ajar Kuliah Teknik Manajemen Perawatan _ Sistem Penunjang Perawatan_2.pdf
 
1.-Analisis-Dan-Perancangan-Perusahaan.ppt
1.-Analisis-Dan-Perancangan-Perusahaan.ppt1.-Analisis-Dan-Perancangan-Perusahaan.ppt
1.-Analisis-Dan-Perancangan-Perusahaan.ppt
 
pertemuan-2-aspek-pemasaran.ppt
pertemuan-2-aspek-pemasaran.pptpertemuan-2-aspek-pemasaran.ppt
pertemuan-2-aspek-pemasaran.ppt
 
The Game of Theory.ppt
The Game of Theory.pptThe Game of Theory.ppt
The Game of Theory.ppt
 
File 2013 09-27-07 56 18_catur_supriyanto,_m.cs__presentation1
File 2013 09-27-07 56 18_catur_supriyanto,_m.cs__presentation1File 2013 09-27-07 56 18_catur_supriyanto,_m.cs__presentation1
File 2013 09-27-07 56 18_catur_supriyanto,_m.cs__presentation1
 

Recently uploaded

SOAL UJIAN SKKhhhhhhjjjjjjjjjjjjjjjj.pptx
SOAL UJIAN SKKhhhhhhjjjjjjjjjjjjjjjj.pptxSOAL UJIAN SKKhhhhhhjjjjjjjjjjjjjjjj.pptx
SOAL UJIAN SKKhhhhhhjjjjjjjjjjjjjjjj.pptx
FahrizalTriPrasetyo
 
MAteri:Penggunaan fungsi pada pemrograman c++
MAteri:Penggunaan fungsi pada pemrograman c++MAteri:Penggunaan fungsi pada pemrograman c++
MAteri:Penggunaan fungsi pada pemrograman c++
FujiAdam
 
Manajer Lapangan Pelaksanaan Pekerjaan Gedung - Endy Aitya.pptx
Manajer Lapangan Pelaksanaan Pekerjaan Gedung - Endy Aitya.pptxManajer Lapangan Pelaksanaan Pekerjaan Gedung - Endy Aitya.pptx
Manajer Lapangan Pelaksanaan Pekerjaan Gedung - Endy Aitya.pptx
arifyudianto3
 
2024.02.26 - Pra-Rakor Tol IKN 3A-2 - R2 V2.pptx
2024.02.26 - Pra-Rakor Tol IKN 3A-2 - R2 V2.pptx2024.02.26 - Pra-Rakor Tol IKN 3A-2 - R2 V2.pptx
2024.02.26 - Pra-Rakor Tol IKN 3A-2 - R2 V2.pptx
EnginerMine
 
10.-Programable-Logic-Controller (1).ppt
10.-Programable-Logic-Controller (1).ppt10.-Programable-Logic-Controller (1).ppt
10.-Programable-Logic-Controller (1).ppt
taniaalda710
 
Abortion Pills In Doha // QATAR (+966572737505 ) Get Cytotec
Abortion Pills In Doha // QATAR (+966572737505 ) Get CytotecAbortion Pills In Doha // QATAR (+966572737505 ) Get Cytotec
Abortion Pills In Doha // QATAR (+966572737505 ) Get Cytotec
Abortion pills in Riyadh +966572737505 get cytotec
 

Recently uploaded (14)

SOAL UJIAN SKKhhhhhhjjjjjjjjjjjjjjjj.pptx
SOAL UJIAN SKKhhhhhhjjjjjjjjjjjjjjjj.pptxSOAL UJIAN SKKhhhhhhjjjjjjjjjjjjjjjj.pptx
SOAL UJIAN SKKhhhhhhjjjjjjjjjjjjjjjj.pptx
 
MAteri:Penggunaan fungsi pada pemrograman c++
MAteri:Penggunaan fungsi pada pemrograman c++MAteri:Penggunaan fungsi pada pemrograman c++
MAteri:Penggunaan fungsi pada pemrograman c++
 
Strategi Pengembangan Agribisnis di Indonesia
Strategi Pengembangan Agribisnis di IndonesiaStrategi Pengembangan Agribisnis di Indonesia
Strategi Pengembangan Agribisnis di Indonesia
 
BAB_3_Teorema superposisi_thevenin_norton (1).ppt
BAB_3_Teorema superposisi_thevenin_norton (1).pptBAB_3_Teorema superposisi_thevenin_norton (1).ppt
BAB_3_Teorema superposisi_thevenin_norton (1).ppt
 
Laporan Tinjauan Manajemen HSE/Laporan HSE Triwulanpptx
Laporan Tinjauan Manajemen HSE/Laporan HSE TriwulanpptxLaporan Tinjauan Manajemen HSE/Laporan HSE Triwulanpptx
Laporan Tinjauan Manajemen HSE/Laporan HSE Triwulanpptx
 
Manual Desain Perkerasan jalan 2017 FINAL.pptx
Manual Desain Perkerasan jalan 2017 FINAL.pptxManual Desain Perkerasan jalan 2017 FINAL.pptx
Manual Desain Perkerasan jalan 2017 FINAL.pptx
 
Manajer Lapangan Pelaksanaan Pekerjaan Gedung - Endy Aitya.pptx
Manajer Lapangan Pelaksanaan Pekerjaan Gedung - Endy Aitya.pptxManajer Lapangan Pelaksanaan Pekerjaan Gedung - Endy Aitya.pptx
Manajer Lapangan Pelaksanaan Pekerjaan Gedung - Endy Aitya.pptx
 
TEKNIS TES TULIS REKRUTMEN PAMSIMAS 2024.pdf
TEKNIS TES TULIS REKRUTMEN PAMSIMAS 2024.pdfTEKNIS TES TULIS REKRUTMEN PAMSIMAS 2024.pdf
TEKNIS TES TULIS REKRUTMEN PAMSIMAS 2024.pdf
 
Presentasi gedung jenjang 6 - Isman Kurniawan.ppt
Presentasi gedung jenjang 6 - Isman Kurniawan.pptPresentasi gedung jenjang 6 - Isman Kurniawan.ppt
Presentasi gedung jenjang 6 - Isman Kurniawan.ppt
 
sample for Flow Chart Permintaan Spare Part
sample for Flow Chart Permintaan Spare Partsample for Flow Chart Permintaan Spare Part
sample for Flow Chart Permintaan Spare Part
 
2024.02.26 - Pra-Rakor Tol IKN 3A-2 - R2 V2.pptx
2024.02.26 - Pra-Rakor Tol IKN 3A-2 - R2 V2.pptx2024.02.26 - Pra-Rakor Tol IKN 3A-2 - R2 V2.pptx
2024.02.26 - Pra-Rakor Tol IKN 3A-2 - R2 V2.pptx
 
10.-Programable-Logic-Controller (1).ppt
10.-Programable-Logic-Controller (1).ppt10.-Programable-Logic-Controller (1).ppt
10.-Programable-Logic-Controller (1).ppt
 
Materi Asesi SKK Manajer Pelaksana SPAM- jenjang 6.pptx
Materi Asesi SKK Manajer Pelaksana SPAM- jenjang 6.pptxMateri Asesi SKK Manajer Pelaksana SPAM- jenjang 6.pptx
Materi Asesi SKK Manajer Pelaksana SPAM- jenjang 6.pptx
 
Abortion Pills In Doha // QATAR (+966572737505 ) Get Cytotec
Abortion Pills In Doha // QATAR (+966572737505 ) Get CytotecAbortion Pills In Doha // QATAR (+966572737505 ) Get Cytotec
Abortion Pills In Doha // QATAR (+966572737505 ) Get Cytotec
 

6-teknik-pengambilan-keputusan-kondisi-tidak-pasti.ppt

  • 1. LOGO Pengambilan Keputusan dalam Kondisi Tidak Pasti www.febriyanto79.wordpress.com
  • 2.  Untuk menentukan berapa jumlah koran yang harus dibeli, perlu dibuat tabel pay off yang menunjukkan netcash flow antara jumlah koran yang diambil/dibeli pada pagi hari.
  • 3.  Kelemahan, dalam pengambilan keputusan hanya satu informasi yang digunakan, sehingga informasi lain yang tidak terdapat pada tabel pay off diabaikan. KEPUTUSAN DALAM SUASANA BERISIKO
  • 4. KEPUTUSAN DALAM UNCERTAINTY (KETIDAKPASTIAN)  Pengambilan keputusan dalam ketidakpastian menunjukkan suasana keputusan dimana probabilitas hasil-hasil potensial tidak diketahui.  Dalam suasana ketidakpastian pengambil keputusan sadar akan hasil-hasil alternatif dalam bermacam- macam peristiwa, namun pengambil keputusan tidak dapat menetapkan probabilitas peristiwa. www.febriyanto79.wordpress.com
  • 5. Kriteria yang digunakan dalam kondisi Tidak Pasti 1. Kriteria LAPLACE / BOBOT YANG SAMA (Equal Likelihood)  Asumsi: semua peristiwa mempunyai kemungkinan yang sama untuk terjadi.  Pengambilan keputusan hanya mengetahui outcome dari suatu tindakan, tetapi tidak dapat meprediksi berapa probabilitas outcome dari setiap keputusan tersebut. www.febriyanto79.wordpress.com
  • 6. Kriteria yang digunakan dalam Kondisi Tidak Pasti 1. Kriteria LAPLACE / BOBOT YANG SAMA  Contoh: dengan menggunakan tabel pay off contoh penjual koran: Keputusan membeli koran sebanyak 50, karena memberikan nilai ER paling besar Pembelian Koran Jumlah dan Permintaan Koran 10 50 100 150 10 1,500 1,500 1,500 1,500 50 (6,500) 7,500 7,500 7,500 100 (16,500) (2,500) 15,000 15,000 150 (26,500) (12,500) 5,000 22,500 Expected Return Probabilitas ER 0.25 0.25 0.25 0.25 ER 10 = 375 375 375 375 1,500 ER 50 = (1,625) 1,875 1,875 1,875 4,000 ER 100 = (4,125) (625) 3,750 3,750 2,750 ER 150 = (6,625) (3,125) 1,250 5,625 (2,875)
  • 7. Kriteria yang digunakan dalam kondisi Tidak Pasti 2. 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 ciri pengambil keputusan modern www.febriyanto79.wordpress.com
  • 8. Kriteria yang digunakan dalam Kondisi Tidak Pasti 2. Kriteria MAXIMIN  Contoh: dengan menggunakan tabel pay off contoh penjual koran: Keputusan membeli koran sebanyak 10, karena memberikan nilai ER paling besar Pembelian Koran Pay Off Minimum 10 1,500 50 (6,500) 100 (16,500) 150 (26,500) Pembelian Koran Jumlah dan Permintaan Koran 10 50 100 150 10 1,500 1,500 1,500 1,500 50 (6,500) 7,500 7,500 7,500 100 (16,500) (2,500) 15,000 15,000 150 (26,500) (12,500) 5,000 22,500
  • 9. Kriteria yang digunakan dalam kondisi Tidak Pasti 3. 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 www.febriyanto79.wordpress.com
  • 10. Kriteria yang digunakan dalam Kondisi Tidak Pasti 3. Kriteria MAXIMAX  Contoh: dengan menggunakan tabel pay off contoh penjual koran: Keputusan membeli koran sebanyak 150, karena memberikan nilai ER paling besar Pembelian Koran Pay Off Maksimum 10 1,500 50 7,500 100 15,000 150 22,500 Pembelian Koran Jumlah dan Permintaan Koran 10 50 100 150 10 1,500 1,500 1,500 1,500 50 (6,500) 7,500 7,500 7,500 100 (16,500) (2,500) 15,000 15,000 150 (26,500) (12,500) 5,000 22,500
  • 11. Kriteria yang digunakan dalam kondisi Tidak Pasti 4. Kriteria MINIMAX REGRET (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 www.febriyanto79.wordpress.com
  • 12. Kriteria yang digunakan dalam kondisi Tidak Pasti 4. Kriteria MINIMAX REGRET (L.J. Savage) Jumlah regret/opportunity loss = Pay off max – pay off alternatif www.febriyanto79.wordpress.com Pembelian Koran Jumlah dan Permintaan Koran 10 50 100 150 10 1,500 1,500 1,500 1,500 50 (6,500) 7,500 7,500 7,500 100 (16,500) (2,500) 15,000 15,000 150 (26,500) (12,500) 5,000 22,500 Pembelian Koran Jumlah dan Permintaan Koran 10 50 100 150 10 0 6.000 13.500 21.000 50 8.000 0 7.500 15.000 100 18.000 10.000 0 7.500 150 28.000 20.000 10.000 0
  • 13. Kriteria yang digunakan dalam kondisi Tidak Pasti 4. Kriteria MINIMAX REGRET (L.J. Savage) Jumlah regret/opportunity loss = Pay off max – pay off alternatif www.febriyanto79.wordpress.com Pembelian Koran Jumlah dan Permintaan Koran 10 50 100 150 10 0 6.000 13.500 21.000 50 8.000 0 7.500 15.000 100 18.000 10.000 0 7.500 150 28.000 20.000 10.000 0 Pembelian Koran Maximum Regret 10 21,000 50 15,000 100 18,000 150 28,000 Keputusan membeli koran sebanyak 50, karena memberikan nilai Regret paling kecil
  • 15. EVPI (Expected Value of Perfect Information  EVPI adalah informasi yang tepat tentang nilai yang diperoleh, sehingga jumlah kerugian tidak terlalu besar ditanggung.  Untuk menghitung biaya atas informasi yang diperoleh digunakan rumus: EVPI = ER sempurna – ER tidak sempurna  EVPI =  [1.500 (0.1) + 7.500 (0.2) + 15.000 (0.3) + 22.500 (0.4)] – 8.350  6.800..jumlah maksimum yg dibayar untuk informasi sempurna. www.febriyanto79.wordpress.com Pembelian Koran Jumlah dan Permintaan Koran 10 50 100 150 10 1,500 1,500 1,500 1,500 50 (6,500) 7,500 7,500 7,500 100 (16,500) (2,500) 15,000 15,000 150 (26,500) (12,500) 5,000 22,500
  • 16. EVPI (Expected Value of Perfect Information Pembelian 0.1 0.2 0.3 0.4 ER 10 0 6000 13500 21000 13650 50 8000 0 7.5 15000 6802 100 18000 10000 0 7500 6800 150 28000 20000 10000 0 9800 www.febriyanto79.wordpres EVPI = [1.500 (0.1) + 7.500 (0.2) + 15.000 (0.3) + 22.500 (0.4)] – 8.350 6.800..jumlah maksimum yg dibayar untuk informasi sempurna. Berdasarkan perhitungan EVPI , maka jumlah pembelian yang dapat dilakukan sebanyak 100, karena mempunyai nilai ER dan EVPI sama. ER = 18000(0.1) + 10000(0.2) + 0 (0.3) + 7500 (0.4) = 6800