PengantarAnalisa Keputusan

Nachnul AnsoriIndustrial Management Laboratory

DEFINISI :KEPUTUSAN yang diinginkan yang

diperoleh (harapan )

(kenyataan)

beda

masalah

alternatif

pilihan

Pengambilan Keputusan dengan Analisa Keputusan

* Dewey – “How we think”

Ada 3 langkah memutuskan1. Mengenali masalah2. Mengembangkan alternatif yang

mungkin3. Memilih alternatif yang terbaik

(menurut si pengambil keputusan).

* Herbert Simon – pemenang nobel 1970 dalam bidang ekonomi, menambah satu langkah lagi :

4. Evaluasi Mengenali masalah Mengenali lingkungan

.

Proses Pengambilan keputusan

Revise

Penetapan Goal khusus danObjective dan Pengukuran Hasil

Pengidentifikasian Masalah

Revise

Revise

Pengembangan Alternatif

Pengevaluasian Alternatif

Revise

Pemilihan Alternatif

Revise

Revise

Penerapan keputusan

Pengendalian dan Pengevaluasian

Penetapan goal dan objective akan mengarahkan pada hasil mana yang sudah dicapai dan pengukuran mana yang menunjukkan hasil yang sesuai dengan yang diinginkan.

Penetapan goal dan objective membutuhkan komunikasi antara manajer dengan bawahan.

Adanya masalah menunjukkan adanya gap antara goal dan objective organisasi dengan kinerja aktual.

Faktor yang menggangu identifikasi masalah:• Persepsi terhadap masalah• Penetapan masalah dalam lingkup solusi• Identifikasi gejala sebagai masalah

Pengembangan Alternatif

Alternatif (Potensi Solusi) harus dikembangkan (lingkungan internal & eksternal) dan konsekuensi/akibat yang mungkin timbul dari setiap alternatif.

Perlu mempertimbangkan kendala waktu & biaya; banyaknya alternatif dengan kecepatan keputusan yang diambil.

Cara untuk kembangkan alternatif adalah dengan analisis skenario.

Pengevaluasian Alternatif Alternatif yang sudah dipilih dievaluasi dan

dibandingkan dengan objective. Objective dari pengambilan keputusan setiap

alternatif harus berupa hasil/keluaran positif paling banyak dan akibat buruk paling kecil.

Hubungan Alternatif – Hasil: Kepastian : Pengetahuan lengkap ttg probabilitas

output Ketidakpastian : Tidak punya pengetahuan ttg

probabilitas output Resiko : Punya beberapa probabilitas output

Pemilihan Alternatif

Pemilihan alternatif yang dipilih berdasarkan hasil/keluaran yang sesuai objective.

Perlu mempertimbangkan dampak alternatif + dan - terhadap objective yang lain (tujuan yang satu optimal sedangkan tujuan yang lain tidak optimal).

Tidak mungkin solusi keputusan akan memuaskan semuanya, tetapi yang optimal adalah yang sesuai standar.

Penerapan Keputusan Keputusan yang baik adalah yang efektif

untuk implementasi Perlu pengujian terhadap perilaku orang

terhadap keputusan tersebut.

Pengendalian dan PengevaluasianEfektivitas manajemen terkait dengan pengukuran

hasil periodikPerlu pengendalian dan evaluasi keputusan

terhadap objective

Faktor penentu keputusan

No Landasan waktu Deskripsi

1.Masa lalu

Pengalaman dan peristiwa masa lalu Keinginan masa lalu yang belum terwujud Masalah dan tantangan yg timbul pada masa lalu dan belum terselesaikan Ketersediaan informasi masa lalu

2.

Masa kini

Perubahan faktor lingkungan: politik, ekonomi, sosial budaya. Dorongan visi, misi dan keinginan yang hendak dicapai. Masalah dan tantangan yang timbul sebagai hasil dari perubahan

lingkungan. Adanya konsep kelangkaan dan keterbatasan Adanya konsep tentang tindakan atas dasar kesadaran untuk memilih salah

satu alternatif atas masalah yang dihadapi Keputusan-keputusan yang diambil oleh organisasi lain Ketersediaan real time information, informasi yang relevan dan berkualitas Adanya sejumlah pengetahuan hasil akumulasi masa lalu yang bernilai

tinggi

3.

Masa depan

Visi, misi dan tujuan yang hendak dicapai Perubahan faktor lingkungan yang akan terjadi Ketidakpastian dan peluang timbulnya risiko dan kelangkaan Ketersediaan expected information yang diharapkan membantu proses

pengambilan keputusan

Sistem:

elemen-elemen yang saling berkait untuk mencapai tujuan

Dapat dibagi dalam : - sistem tertutup - sistem terbuka

SISTEM TERTUTUP

1. Sistem Statis : tidak berubah dari waktu ke waktu. Contoh : bangunan

2. Sistem dinamis sederhana : berubah, tapi pada periode waktu yang sama akan kembali ke keadaan semula. Contoh : jam, sistem tata surya.

3. Homostatis (cyberneties) : sistem yang statis di dalam suatu lingkungan yang dinamis. Misal : temperatur udara dalam ruangan yang ber-AC

SISTEM TERBUKA1. Sistem sel → sel darah, tumor2. Sistem sosiogenetik → sistem tumbuh

tumbuhmembesar pada suatu tempat tertentuberkembang

3. Sistem binatang (animal system)tumbuh → berkembang → bergerak

4. Sistem manusia : tumbuh → berkembang/anak → bergerak → punya akal →

komunikasi5. Sistem sosial :

menyangkut manusia & sistem lain →ada value6. Sistem jagad raya (trancendental)

→ suatu sistem bisa menurut derajatnya (degenerate)

MODEL

Representasi dari sistem, dibagi atas klasifikasi:

a. Bentuk- ikonik : bentuk/struktur mirip dengan

yang asli, skala kecil- analog circuit electric

b. Penyajian – tertulis - verbal

Cara merepresentasikan model Model hanya menggambarkan sebagian dari sistem

sistem Model < sistem → incomplete model

sistem Model menggambarkan > sistem

MODEL misal : linier programming → imperfect model

sistem incomplete & imperfect model

model misalnya : potret hitamputih sistem 3 dimensi – potret 2 dimensi

mata coklat - hitam

Dalam model-model keputusan juga demikian :

Model yang sempurna & komplit : hampir tidak ada/tidak mungkin

JENIS-JENIS KEPUTUSAN1. LEVEL MANAJEMEN 2. BENTUK MANAJEMEN 3. SCOPE

TOP TOP TOP

MIDDLE MIDDLE t MIDDLE

OPERATIONAL OPERATIONAL OPERATIONAL

1 2 3 ruang lingkup

Pelaksanaan control perencanaan- Top Manajemen : sebagian besar perencanaan sedikit

kontrol- Middle manajemen : sedikit perencanaan, sebagian

besar kontrol- Operasional : sedikit kontrol,sebagian besar pelaksanaan

JENIS-JENIS KEPUTUSAN4. KEMUNGKINAN

tidak pasti (uncertain)

RESIKO “gaya” individu : - pengelak resiko - penggemar resiko

deterministik

5. TERPROGRAM TIDAKNYA - tidak terstruktur - terstruktur, tidak bisa diprogram (unprogramable),

kendala diketahui - terprogram : programable decision making * kebiasaan / rutin

MATRIKS KEPUTUSAN

Salah satu model untuk membantu dalam pengambilan keputusan

Probability diketahui Probability tidak diketahui

Makin ke atas level manajemen, personal

Keputusan yang diambil

Tergantung dari siapa yang level

mengambil keputusan manajemen

impersonal

POHON KEPUTUSAN (Decision Tree)P11 o11

A1P12 o12P211 o211

A21 p212 o212P213 o213

A2 p2211 o2211A221 p2212 o2212

A22 p2213 o2213A222 p222 o222

A3 p3 o3

Keterangan :: decision node: even fork

CIRI ANALISA KEPUTUSAN - KUNTORO1. Pengambilaan keputusan belum dapat memutuskan

tindakan yang sebaiknya diambil.2. Penstruktur analisa

Penjabaran semua alternatif & informasi yang terkait Eksperimentasi yang mungkin dilaksanakan Diagram keputusan

3. Penjajagan besaran kemungkinan/ketidakpastian dalam diagram keputusan

dengan memakai informasi yang ada pandangan ahli pertimbangaan subyaktif pengambil keputusan

4. Pengungkapan prefereensi pengambilan keputusan terhadap resiko dalam bentuk utility→ekspektasi utility→ sebagai dasar penetapan tindakan optimal

5. Memilih tindakan terbaikmemaksimumkan harapan yang dinyatakan dengan ekspektasi utility

JANGKA LINGKUNGAN SIFAT MISAL

STRATEGIS panjang *dinamis

*mempengaruhi faktor-faktor dengan kepastian ≤rendah

Tidak bisa diprogram preferensi pengambil keputusan masuk secara utuh

*penetapan lokasi airport

* Pemilihan teknologi

TAKTIS Menengah

Pendek

*dinamis

*mempengaruhi faktor-faktor dengan kepastian tinggi

Bisa diprogram dengan masukan preferensi pengambil keputusan

*membeli/sewa mesin produksi

*peletakan mesin baru

OPERASIONAL

Prog.linier

Prog.dinamis

Analisa jaringan

Analisa pers.

pendek Dianggap statis tidak mempengaruhi faktor

Berulang, bisa dibuat program

*penentuan beban mesin

*mengubah tata cara kerja

PERMASALAHAN MANAJEMEN

Makin banyak alternatif yang dapat diterapkan → makin baik hasil yang diperoleh

Makin banyak kriteria yang terkait dalam alternatif →membuat model yang baik dari sistem

Makin komprehensif dalam mewakili kenyataan →makin baik representasi terhadap masalah yang dihadapi

Efektifitas pengambilan keputusanDibatasi oleh kemampuan untuk :

* menghimpun alternatif* menghayati kriteria

Tergantung siapa pengambil keputusan itu

Pendekatan dalam pengambilan keputusan : Pendekatan deskriptif Pendekatan normatif

Suatu keputusan disebut baik bila :- Seluruh informasi telah dimanfaatkan

secara penuh- Dasar-dasar rasionalitas telah diikuti

dengan baik- Perpindahan tahapan dapat dilakukan

dengan konsisten.

x

y

z

derajat ketidakpastiandeterministik resiko ketidakpastian

Kom

plek

sita

s (ju

mla

h kr

iteria

)

sedi

kit

bany

ak

kete

rhub

unga

n

terikat

bebas

Metode yang digunakan

1. Masalah optimasi pada perancangan teknik.

Linear programming Quadratic programming Generalized Reduced Gradient method Sequential Quadratic Programming Augmented Lagrangian Method Genetic Algorithms Simulated Annealing

2. Masalah pengambilan keputusan dibawah resiko, seperti:

Tipe resiko & ketidakpastian

Contoh

Manufaktur Macam-macam manufaktur Macam-macam properti material

Desain/analisis Evaluasi kinerja produk Translasi nilai kinerja

Ekonomi/pemasaran Perubahan lokasi pemasaran Aksi kompetitif Perubahan preferensi customers Harga material Faktor ekonomi eksogen

Perancangan probabilitas dengan metode statistik: Statistical Interval Estimation (Confidence Interval, Tolerance Interval, and Prediction Interval, dll); Analysis of Variance (ANOVA); Factorial and Fractional; Factorial Design of Experiments (DOE) dan Regression Analysis.

Utility analysis & risk profile (Von Neumann & Morgenstern utility method)

Robust design (Taguchi method)

3. Pengambilan keputusan di bawah ketidakpastian: Menggunakan pertimbangan subyektif dan

atau menghimpun data baru (teorema Bayes)

4. Multicriteria decision making di bawah kepastian: Multi Attribute Decision Making (MADM):

Pugh’s selection method, Quality Function Deployment (QFD), Analytic Hierarchy Process (AHP).

Multi Objective Decision Making (MODM)

5&6 Multicriteria decision making di bawah resiko dan ketidakpastian:

Teori himpunan fuzzy Multi Attribute Utility Theory (MAUT) Decision tree Bayesian method

7,8,9Pengambilan keputusan terdistribusi, dilakukan melalui tahap-tahap:

Definition phase Conceptual phase Embodiment phase Detail phase

Harga permainan untukkedua jenis lotere Rp. 100

200

36

Theory pengambilam keputusan

Pangestu Subagyo

37

Decision:

Pengambilan keputusan (decision), atau memutuskan sesuatu

Seharusnya dilakukan secara rasional Jangan emosional

38

Decision yang baik:

Didasarkan pada logika Didukung dengan informasi yang

lengkap Dengan alat analisis yang tepat Dengan mempertimbangkan berbagai

alternatif keputusan yg dapat dilakukan

39

Enam tahap didalam decision making:1.Clearly definiting the probkem at

hand : misal akan membangun pabrik

2.List the posible alternatives: misalnya akan membuat (1) pabrik

besar, (2) pabrik kecil atau (3) tidak membangun pabrik

40

.. enam tahap

3.Identify the possible outcomes or states of nature, tentukan alternatif keadaan yang dapat terjadi:

misal pasarnya bisa favourable atau unfovourable

4.List the payoff or profit of each combination of alternative and outcomes: Hitiug hasil/ keuntungan yang diperkirakan diperoleh pada setiap alternatif:

misal laba (atau lain) setiap alternatif

41

.. enam tahap

. FavourableMarket

Unavourablemarket

Pabrik besar 200 000 -180 000

Pabrik kecil 100 000 -20 000

Tidak buat 0 0

42

.. enam tahap

5.Select one of the mathematical decision = memilih model matematis yang tepat

6.Apply the model and make yur decesion = Terapkan model yg sudah dipilih, gunakan untuk pengambilan keputusan

43

Macam-macam decision making1. Decision making under certainty Data yang digunakan dianggap sama dengan

yang akan terjadi. Misal tawaran deposito.

2. Decision making under uncertainty Data belum tentu terjadi, probabilitasnya tidak

diketahui.

3. Decision making under risk Data belum tentu, probabilitasnya diketahui.

44

DECISION MAKING UNDER UNCERTAINTY1. Maximax (otpimistic)2. Maximin (maximistic)3. Criterion of realism (Hurwicz)4. Equally likely (LaPlace)5. Minimax regret

45

1. Maximax:

Pilihlah nilai yang tertinggi pada setiap (baris) alternatif

Hasi pabrik besar Rp 200 000, pabrik kecil Rp 100 000, tidak mendirikan = 0.

Pilihlah nilai yang terbesar Maximax = Rp 200 000, pada alternatif

1 (pabrik besar)

46

Tabel Maximax

.FavourblMarket

UnfavMarket

Maximum

Pabrik besar 200 000 -180 000 200 000Maximax

Pabrik kecil 100 000 -20 000 100 000

Tidak buat 0 0 0

47

2. Maximin

Tentukan hasil terrendah (minimum) untuk setiap alternatif: pabrik besar = -180 000, pabrik kecil -20 000, dan dan tidak mendirikan = 0.

Pilih nilai meximum dari hasil minimum, hasilnya maximin, ternyata pada alternatif tidak mendirikan pabrik

Maximin dengan hasil = Rp 0.

48

Tabel Maximin

.FavourblMarket

UnfavMarket

Minimum

Pabrik besar

200 000 -180 000 -180 000

Pabrik kecil 100 000 -20 000 -20 000

Tidak buat 0 0 0Maximin

49

3. Criterion of realism = Hurwicz Criterion).

FavourblMarket

UnfavMarket

Weg. Av. = 0,8

Pabrik besar 200 000 -180 000 124 000realism

Pabrik kecil 100 000 -20 000 76 000

Tidak buat 0 0 0

50

Criterion of realism

Setiap alternatif ditentukan hasilnya dengan weghted averages, dengan bobot =

Keuntungan mendirikan pabrik besar = 0,8(200 000) + 0,2(-180 000) = 124 000

Keuntungan mendirikan pabrik kecil = 0,8(100 000) + 0,2(-20 000) = 76 000

Keuntungan tidak mendirikan pabrik = 0 Pilih alternatif mendirikan pabrik besar,

karena hasinya terbesar

51

Besar kecilnya a menentukan besar kecilnya pengaruh dari keadaan itu Kalau a besar berarti keadaan itu

menentukan Misalnya di gunakan a = 0,8 dalam

contoh berarti pengaruh kemungkinan keadaan favourable market lebih menentukan

52

4. Equaly likely (LaPlace)

.FavourblMarket

UnfavMarket

Average

Pabrik besar

200 000 -180 000 10 000

Pabrik kecil

100 000 -20 000 40 000Eq Likely

Tidak buat 0 0 0

53

Dengan membagi sama hasil

Untuk setiap alternatif, hasil antara favourable dan unfavourable dibagi dua

Rata-rata keuntungan membangun pabrik besar = (Rp 200 000 - Rp180 000)/2 = Rp 10 000

Rata-rata keuntungan membangun pabrik kecil = Rp 100 000 – Rp 20 000)/2 = 40 000

Rata-rata hasil tidak mendirikan = 0 Dipilih membangun pabrik kecil,

keuntungan terbesar (Rp 40 000).

54

5. Minimax regret

Kita cari opportunity loss atau regret , yakni mendapat kerugian karena tidak memilih alternatif yg paling menguntungkan.

Untuk favourable market, bila tidak memilih pabrik besar, hasilnya = laba seharusnya Rp 200 000 dikurangi keuntungan yang hilang Rp 200 000, kerugian = 0. Kerugian memilih pabrik kecil = keuntungan memilih pabrik besar – keuntungan memilih pabrik kecil = 200 000 – 10 000 = 100 000

55

… minimax

Apabila memilih tidak membangun kerugiammya 200 000 – 0 = 200 000

Kalau unfavourable marketyang paling menguntungkan tidak mendirikan

Pilih pabrik kesal kerugiannya = 0 – (- 180 000) = 180 000. Kerugian memilik mendirikan pabrik kecil = 0 - (-100 000) = 100 000. Memilih tidak mendirikan tidak rugi

56

Kerugian yg diperoleh bila mendirikan pabrik:.

Favourable market Unfavourable market

200 000 – 200 000= 0

0 – (-180 000)= 180 000

200 000 – 100 000= 100 000

0 – (-20 000)= 20 000

200 000 – 0= 200 000

0 – 0 = 0

57

Hasil minimax

.

FavourblMarket

UnfavMarket

Maximum

Pabrik besar 0 180 000 180 000

Pabrik kecil 100 000 20 000 100 000Minimax

Tidak buat 200 000 0 200 000

58

DECISION MAKING UNDER RISK

1. Expected monetary value Menjumlahkan perkalian hasil setiap

kemungkinan dikalikam dengan probabilitasnya

EMV = X1.P1 + X2.P2 . . . Xn.Pn

= S Xi.Pi

59

Data, menggunakan data sebelumnya

Favourable market

Unfav.market

Pabr Besar 200 000 - 180 000

Pabr kecil 100 000 - 20 000

Tidak mendrk 0 0

Probabilitas 0,50 0,50

60

Misal Prob. favourable = 0,5

EMV pabrik besar = 0,5(200 000) + 0,5(-180 000) = 10 000

EMV pabrik kecil = 0,5(100 000) + 0,5(-20 000) = 40 000

EMV tidak membangun = 0,5(0) + 0,5(0) = 0

Dipilih pabrik keil, EMV terbesar =40 000

61

Exp. value of perfect information Dicari dengan: Expecred value with

perfect informatiojn (EVwPI) – Maximum EMV

EMwPI = Pi x Mi

Fav. Mkt Unv. Mkt

Max hasil 200 000 0

Probability 0,5 0,5

62

EVPI

EVwPI = 0,5(200 000) + 0,5(0) = 100 000

EVPI = EVwPI – Max EMV = 100 000 – 40 000 = 60 000

Merupakan maksimum harga informasi

63

Expected Opportunity Loss (EOL)

Favourb. Market

Unvav.

Market

EOL

Bangun pabr besr

0 180 000 90 000

Bangun pab kecil

100 000 20 000 60 000

Tidak membng.

200 000 0 100 000

Probab. 0,5 0,5

64

Pilih minimum EOL, hasilnya sama dengan maksimum EVPI EOL pabrik besar = 0,5(0)+0,5(180 00) = 90 000 EOL pabrik kecil = 0,5(100000)+0,5(20 000 = 60 000 EOL td mnd pbr. = 0,5(200000)+0.5(0) = 100 000 Pilih minimum EOL, pabr kecil = 60 000

65

Pangestu Subagyo

66

Pendahuluan

Pemecahan dgn LP menghasilkan nilai variabel yg biasanya berupa pecahan, padahal banyak masalah memerlukan hasil yg bulat.

Misal banyak rumah tangga, kepala keluarga, rumah sakit dll.

Misal hasil optimal X1 = 6,67, X2 = 15,73. Kalau dibulatkan dgn 7 dan 16 apakah tidak melanggar kendala/ sumberdaya yg ada?

Maka buatlah hasil optimalnya angka utuh (integer), dan kendala tetap diikuti.

67

Pendahuluan (2)

Lebih banyak pekerjaan d/p LP. Bisa integer semua atau sebagian saja.

68

Contoh 1: Formulasi masalah sbb: Fungsi tujuan: Maksimum Z = 2X1 + 5X2 Kendala-kendala: (1) 3X1 + 6X2 < 16

(2) X1, X2 > 0

Kalau diselesaikan dgn metoda grafik sbb:

69

X2

B (0, 2,67) Z = 13,33

A(5,33, 0) Z = 10,67

X1

70

Dgn LP di titik B, memiliki nilai variabel pecahan (noninteger)

Untuk membuat integer harus ditambah kendala X2 = 2

Jangan dijadikan 3 sebab akan melanggar kendala

X2 juga harus integer, diberi kendala X2 = 1

Hasil integer-nya sbb:

Hasil optimal:

71

Grafik untuk integer programming X2

B (0, 2,67) Z = 13,33 2 C A(5,33, 0) 0 1 X1

72

Hasil optimal integer programming: Untuk membuat nilai X2 integer, maka

harus dijadikan 2, kalau 3 melanggar kendala

X1 juga dapat menjadi 1, lihat gambar! Maka hasil optimal di titik C: X1 = 1, X2 = 2, Z = 12

73

Contoh 2:

F Tujuan: Maks. Z = 7X1 + 6X2 Kendala-kendala: (1) 2X1 + 3X2 < 12

(2) 6X1 + 5X2 < 30

(3) X1, X2 > 0

74

Grafik:

X2 6

4

(3,75, 0,5) Z = 35,25 (5, 0) Z = 35 6 X1

75

Alternatif titik:

X1 X2 Z

0 4 24

1 3 25

2 2 26

3 2 33

4 1 34

5 0 35

Optimal