BAB VII NILAI INFORMASI.

Presentasi berjudul: "BAB VII NILAI INFORMASI."— Transcript presentasi:

1 BAB VII NILAI INFORMASI

2 A. KONSEP INFORMASI Informasi  meningkat pengetahuan seseorang terhadap suatu hal  mengurangi ketidakpastian yang meliputi variabel. Masalah informasi  perlu biaya & tidak pernah 100% sempurna (umumnya) Sebelum cari informasi tambahan harus laku nilai dari informasi Contoh : minta bantuan biro survai

3 B. SUMBER INFORMASI 1. Data empiris dari pengumpulan data/survei
memakai distribusi kemungkinan munculnya suatu kejadian untuk mendapat distribusi kemungkinan posterior dari nilai kemungkinan prior 2. Informasi dari ahli sering karena keterbatasan waktu, dana  data empiris sukar diperoleh  sumber informasi lain : para ahli

4 C. NILAI INFORMASI C.1. Nilai Ekspektasi Informasi Sempurna
Info sempurna suatu kejadian tak pasti = info yang dapat menghilangkan seluruh ketidakpastian (kejadian tak pasti) yang melingkupi hasil. NEIS = NEINSA – NETIN NEIS = Nilai Ekspektasi Info Sempurna NEINSA = Nilai Ekspektasi bila info sempurna dapat diperoleh NETIN = Nilai Ekspektasi dari alternatif terbaik tanpa info.

5 Contoh : Masalah label kemasan salah satu produk, hasil penelitian : konsumen kurang tertarik. Minta didisain beberapa label  evaluasi oleh para eksekutif Terpilih satu (selalu menang dalam test preferensi) * Biaya perubahan  Rp. 50 juta * Bila label baru unggul, NE=80juta dalam 3 tahun keuntungan * Dari pengalaman, kemungkinan sukses = 0,5 Ingin tambahan info : survei dengan hasil sempurna, biaya 30 juta. Apakah perlu atau tidak survei?

6 Sukses keuntungan A1 perubahan 0, juta Tanpa survei gagal juta 0,5 Survai:sukses perubahan 80 juta A2 survai 0,5 Info sempurna survai:gagal tidak 0 A3 tidak ada perubahan 0 A1 : NE = (0,5x0,8)-(0,5x50) = 15 juta A2 : NE = (0,5x80)+(0,5x0) = 40 juta NEIS = NEINSA – NETIN = 40 juta – 15 juta = 25 juta Biaya survai = 30 juta  NEIS < biaya  survai tidak usah dijalankan

7 C.2. Nilai Ekspektasi Informasi Tak Sempurna
Pada umumnya info yang diperoleh tidak 100% sempurna tapi informasi ini mungkin masih bisa dipakai untuk mengurangi ketidakpastian Ketidakpastian sempurnaan info sering dinyatakan dalam tingkat keandalan 80% dll. Dalam informasi tidak sempurna setelah mendapat informasi, unsur ketidakpastian masih ada.

8 Contoh : Nilai info sempurna 25 juta, cari alternatif lain : sistem survai lebih murah, harga 7,5 juta (tidak dapat diandalkan 100%) 1. P(survai menyatakan sukses/sukses) = 0,8 2. P(survai menyatakan tidak sukses/sukses) = 0,2 3. P(survai menyatakan sukses/tidak sukses) = 0,3 4. P(survai menyatakan tidak sukses/tidak sukses)=0,7 Diketahui : (data masa lalu) 1. P(SS/S) = 0,8  kemungkinan hasil survai menyatakan sukses bila perubahan label sukses 2. P(ST/S) = 0,2  kemungkinan hasil survai menyatakan tidak sukses, bila perubahan label sukses 3. P(SS/T) = 0,3 4. P(ST/T) = 0,7 Kemungkinan prior : P(S) = 0,5 & P(T) = 0,5

9 Dicari : kemungkinan posterior (proyeksi yang akan datang)
P(S/SS) = ?  kemungkinan perubahan label sukses, bila hasil survai menyatakan sukses P(T/SS) = ?  kemungkinan perubahan label tidak sukses, bila hasil survai menyatakan sukses P(S/ST) = ? P(T/ST) = ? Dengan tabel distribusi kemungkinan bersama survai sukses (SS) survai tidak sukses (ST) Perubahan S a = 0, b = 0,10 0,5 label T c = 0, d = 0,35 0, a + c = 0, b + d = 0,45 1 a. P(SSS) = P(S).P(SS/S) = 0,5X0,8 = 0,40 b. P(SST) = P(S).P(ST/S) = 0,5X0,2 = 0,10 c. P(TSS) = P(T).P(SS/T) = 0,5X0,3 = 0,15 d. P(TST) = P(T).P(ST/T) = 0,5X0,7 = 0,35

10 P(S/SS) = P(SSS)/P(SS) = 0,40/0,55 = 0,73
P(T/SS) = P(TSS)/P(SS) = 0,15/0,55 = 0,27 P(S/ST) = P(SST)/P(ST) = 0,10/0,45 = 0,22 P(T/ST) = P(TST)/P(ST) = 0,35/0,45 = 0,78 A1 : NE = (0,5x80) – (0,5x0,5) = 40 – 25 = 15 A311 : NE = (0,73x80) – (0,27x50) = 44,9  A31 = A311 A312 : NE = 0 A321 : NE = (0,22x80) – (0,78x50) = -21,4  A32 = A321 A322 : NE = 0 A3 = (A31x0,55) + (A32x0,45) = 24,7 juta Nilai Ekspektasi mengadakan survai (A3) = Rp 24,7 juta Nilai Ekspektasi tanpa survai (A1) = 15 juta NEITS (Nilai Ekspektasi Informasi Tidak Sempurna) = 9,7 juta Biaya survai = 7,5 juta NEITS > biaya survai  alternatif bisa dilakukan

11 Sukses (S) A ,5 NE = tidak (T) 0,5 Rubah A311 0,73 Hasil survai A Label NE=44,9 Tidak (T) Sukses (SS) 0,5 0,27 NE=44,9 tidak A NE=24, Sukses (S) Rubah A321 0,22 Hasil survai A Label NE=21,4 tidak (T) Tidak(ST) NE=0 0,78 0, tidak

12 D. HUBUNGAN ANTARA NILAI INFORMASI DAN TINGKAT KETIDAKPASTIAN
Sukses juta A1 perubahan 0,6 Tanpa survei gagal juta 0,4 Survai:sukses perubahan 80 juta A2 survai 0,5 Info sempurna survai:gagal tidak 0 0,5 A3 tidak ada perubahan 0

13 Bila kemungkinan penjualan dengan label baru sukses = 0,6
NE : A1 = (0,6X80) – (0,4X50) = 28 NE : A2 = (0,6X80) – (0,4X0) = 48 NEIS = 48 – 28 juta Bila kemungkinan penjualan dengan label baru sukses = 0,4 NE : A1 = (0,4x80) – (0,6x50) = 2 juta NE : A2 = (0,4x80) – (0,6x0) = 32 juta NEIS = 32 – 2 = 30 juta Ada hubungan antar nilai kemungkinan prior dengan NEIS NILAI 30 EKSPEKTASI 20 INFORMASI 10 SEMPURNA Nilai kemungkinan 0,4 0,

14 E. ANALISA SENSITIVITAS
Untuk mengetahui nilai dari suatu informasi (probabilitasnya) terhadap keputusan yang diambil. Contoh : - perusahaan eksplorasi minyak, problem : pengeboran. - Hasil kemungkinan ekspektasi pendapatan Tinggi (T) 0, juta Sedang (S) 0, juta Rendah (R) 0,5 - Kedalaman 1000 m, ongkos Rp ,-/m , diperkirakan - Perkiraan kedalaman  ongkos  keuntungan - Seberapa jauh data kedalaman yang pasti mempengaruhi keputusan?

15 T keuntungan, dalam 103 rupiah
Penyebaran S – 50d 0,3 R -50d 0,5 tidak Ekspektasi keuntungan = 0,2( – 50d) + 0,3( – 50d) – (0,5x50d) = – 10d – 15d – 25d = – 50d Ekspektasi keuntungan = 0  = 50d d = 2300 Ekspektasi keuntungan maksimum bila  = 0 Ekspektasi keuntungan maksimum =

16 kedalaman Bila d > 2300, misal 2500 Persamaan – 50d harganya akan negatif Ekspektasi keuntungan = – = Dalam kasus ini, kedalaman baru berpengaruh bila lewat 2300 m Sampai dengan 2300 m  masih untuk bila dibandingkan tidak mengebor.  Keputusan tidak terlalu sensitivitas terhadap kedalaman, selama tidak lebih dari 2300 m