bahan ajar 1a
TRANSCRIPT
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