BAB VII NILAI INFORMASI.

Slides:



Advertisements
Presentasi serupa
Statistika Deskriptif: Distribusi Proporsi
Advertisements

START.
Aritmatika Sosial.
Dwi Retno Andriani, SP.,MP
Harga beli = 100% Jika untung = a %  H. Jual = …….% (100 + a) %
PENGAMBILAN KEPUTUSAN DALAM KONDISI KONFLIK (GAME THEORY)
Bab 2 HARGA.
ELASTISITAS Demand&Supply
LATIHAN SOAL-SOAL 1. Himpunan 2. Aritmatika Sosial 3. Persamaan GL.
Analisa grafik Analisa ini hanya dapat digunakan bila variabel output hanya ada 2 buah saja, untuk lebih dari 2 variabel metode ini sulit digunakan. Analisa.
Bab 11A Nonparametrik: Data Frekuensi Bab 11A.
Manajemen Persediaan ROSIHAN ASMARA.
BAB V PENENTUAN PILIHAN.
DISTRIBUSI PROBABILITAS
Latihan Soal Persamaan Linier Dua Variabel.
Mari Kita Lihat Video Berikut ini.
Statistika Deskriptif
BAB 13 PENGUJIAN HIPOTESA.
KONSEP DASAR PROBABILITAS
Bab 6B Distribusi Probabilitas Pensampelan
Universitas Islam Negeri Maulana Malik Ibrahim Malang
ANALISA NILAI KELAS A,B,C DIBUAT OLEH: NAMA: SALBIYAH UMININGSIH NIM:
BAB 12 PERDAGANGAN MARGIN.
BARISAN DAN DERET ARITMETIKA
DIAGRAM KEPUTUSAN (DECISION TREE) Susi Sulandari.

ELASTISITAS PERMINTAAN DAN PENAWARAN
Elastisitas.
UKURAN PENYEBARAN DATA
DISTRIBUSI PROBABILITAS DISKRET
Selamat Datang Dalam Kuliah Terbuka Ini
PENGAMBILAN KEPUTUSAN DALAM KONDISI RESIKO DAN KETIDAKPASTIAN
BILANGAN PECAHAN.
Pendahuluan Faktor-faktor penyebab ketidakpastian:
PERMINTAAN, PENAWARAN DAN KESEIMBANGAN PASAR
Pendugaan Parameter dan Besaran Sampel
Pengujian Hipotesis Parametrik 2
PEMINDAHAN HAK DENGAN INBRENG
Sequential Decision Making
UKURAN PEMUSATAN DATA Sub Judul.
UKURAN PEMUSATAN DAN LETAK DATA
Konsep Bunga & Ekivalansi Ekonomi
PROPOSAL PENGAJUAN INVESTASI BUDIDAYA LELE
PREFERENSI ATAS RISIKO DAN FUNGSI UTILITY
SIKLUS ANALISA KEPUTUSAN
ANALISIS BIAYA-VOLUME-LABA (COST-VOLUME-PROFIT ANALYSIS)
Decision Tree & Utility Theory
PENGUJIAN HIPOTESA Probo Hardini stapro.
KONSEP PROBABILITAS, DALIL BAYES, NILAI HARAPAN
BAB XII PROBABILITAS (Aturan Dasar Probabilitas) (Pertemuan ke-27)
KONSEP DASAR PROBABILITAS
ELASTISITAS PERMINTAAN DAN PENAWARAN
Penerapan Integral Tertentu dalam Ekonomi dan Bisnis
MODEL DAN NILAI KEMUNGKINAN
Modal Rp ?. Rp Rp. 1 Juta/hari.
Statistika Deskriptif: Distribusi Proporsi
BAB 1 TEORI PROBABILITAS
KONSEP DASAR PROBABILITAS
PENERAPAN EKONOMI Fungsi linear sangat lazim diterapkan dalam ilmu ekonomi, baik dalam pembahasan ekonomi mikro maupun makro. Dua variabel ekonomi maupun.
PENGAMBILAN KEPUTUSAN DALAM KONDISI TIDAK PASTI
7. RANTAI MARKOV WAKTU KONTINU (Kelahiran&Kematian Murni)
UKURAN PEMUSATAN DAN LETAK DATA
ELASTISITAS PERMINTAAN DAN PENAWARAN
DISTRIBUSI PELUANG Pertemuan ke 5.
MODUL 2 OPTIMISASI EKONOMI
PROGRAM LINEAR.
Andri Wijanarko,SE,ME Teori Konsumsi Andri Wijanarko,SE,ME
Pertimbangan Resiko & Ketidakpastian
TEORI PENGAMBILAN KEPUTUSAN
SIKLUS ANALISA KEPUTUSAN
Transcript presentasi:

BAB VII NILAI INFORMASI

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

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

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.

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?

Sukses keuntungan A1 perubahan 0,5 80 juta Tanpa survei gagal -50 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

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.

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

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 = 0,40 b = 0,10 0,5 label T c = 0,15 d = 0,35 0,5 a + c = 0,55 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

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

Sukses (S) 80 A1 0,5 NE = 15 tidak (T) -50 0,5 Rubah A311 0,73 Hasil survai A31 Label NE=44,9 Tidak (T) -50 Sukses (SS) 0,5 0,27 NE=44,9 tidak 0 A3 0 NE=24,7 Sukses (S) 80 Rubah A321 0,22 Hasil survai A32 Label NE=21,4 tidak (T) -50 Tidak(ST) NE=0 0,78 0,5 tidak 0

D. HUBUNGAN ANTARA NILAI INFORMASI DAN TINGKAT KETIDAKPASTIAN Sukses 80 juta A1 perubahan 0,6 Tanpa survei gagal -50 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

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 0 Nilai kemungkinan 0,4 0,6 1

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) 0,2 350 juta Sedang (S) 0,3 150 juta Rendah (R) 0,5 - Kedalaman 1000 m, ongkos Rp. 50.000,-/m , diperkirakan - Perkiraan kedalaman  ongkos  keuntungan - Seberapa jauh data kedalaman yang pasti mempengaruhi keputusan?

T keuntungan, dalam 103 rupiah Penyebaran S 150.000 – 50d 0,3 R -50d 0,5 tidak Ekspektasi keuntungan = 0,2(350.000 – 50d) + 0,3(150.000 – 50d) – (0,5x50d) = 70.000 – 10d + 45.000 – 15d – 25d = 115.000 – 50d Ekspektasi keuntungan = 0  115.000 = 50d d = 2300 Ekspektasi keuntungan maksimum bila  = 0 Ekspektasi keuntungan maksimum = 115.000

115.000 1000 2000 2300 kedalaman Bila d > 2300, misal 2500 Persamaan 115.000 – 50d harganya akan negatif Ekspektasi keuntungan = 115.000 – 125.000 = -10.000 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