ANALISIS KEPUTUSAN BAGI SITUASI MASA DEPAN YANG TIDAK PASTI.

Slides:



Advertisements
Presentasi serupa
UKURAN NILAI PUSAT UKURAN NILAI PUSAT ADALAH UKURAN YG DAPAT MEWAKILI DATA SECARA KESELURUHAN JENIS UKURAN NILAI PUSAT : MEAN , MEDIAN, MODUS KUARTIL,
Advertisements

Statistika Deskriptif: Distribusi Proporsi
TURUNAN/ DIFERENSIAL.
Manajemen Piutang Manajemen Keuangan.
Teori keputusan dengan probability
Analisis Keputusan.
PERTEMUAN XII ANALISA KEPUTUSAN DAN TEORI PERMAINAN
Bulan maret 2012, nilai pewarnaan :
Decision Analisis Created by: Arini Rizki Faradita ( )
Matematika ekonomi.
Soal –soal hukum I Kirchoff
MATHEMATICS FOR BUSINESS
Mari Kita Lihat Video Berikut ini.
BAB 10 TEORI KEPUTUSAN.
Bab 6B Distribusi Probabilitas Pensampelan
Modul 10 Statistik & Probabilitas
BARISAN DAN DERET ARITMETIKA
TEORI PERMAINAN.
By : Meiriyama Program Studi Teknik Informatika Sekolah Tinggi Manajemen Informatika dan Komputer Global Informatika Multi Data Palembang.
STRUKTUR DATA BINARY SEARCH TREE (POHON CARI BINER)
Teori Keputusan.
Pengujian Hipotesis Parametrik 2
Sequential Decision Making
Bulan FEBRUARI 2012, nilai pewarnaan :
PREFERENSI ATAS RISIKO DAN FUNGSI UTILITY
KINERJA SAMPAI DENGAN BULAN AGUSTUS 2013
DEMAND ESTIMATION dalam perencanaan dan pengambilan keputusan, manajer harus memiliki suatu ide mengenai karakteristik permintaan atas produk mereka agar.
Decision Tree & Utility Theory
PENGUJIAN HIPOTESA Probo Hardini stapro.
Formula Menghitung Keuntungan Investasi
KONSEP PROBABILITAS, DALIL BAYES, NILAI HARAPAN
Diagram Keputusan.
Materi Matematika Bisnis
SOAL 1 Jika fungsi permintaan suatu produk adalah : P = 36 – 4Q
PENGAMBILAN KEPUTUSAN DALAM KONDISI BERESIKO
BAB IV DIAGRAM KEPUTUSAN.
MODEL DAN NILAI KEMUNGKINAN
Bab 8A Estimasi 1.
Statistika Deskriptif: Distribusi Proporsi
Dasar probabilitas.
Persoalan Transportasi
ANALISIS KEPUTUSAN BAGI SITUASI MASA DEPAN YANG TIDAK PASTI
KEJADIAN dan PELUANG SUATU KEJADIAN
Teori Keputusan (Decision Theory)
Teori Keputusan.
Akuntasi Sektor Publik Undang-Undang dan Peraturan Pemerintah Daerah
DISTRIBUSI PELUANG Pertemuan ke 5.
UKURAN PEMUSATAN MK. STATISTIK (MAM 4137) 3 SKS (3-0)
Pengantar sistem informasi Rahma dhania salamah msp.
Teknik pengambilan keputusan kondisi berisiko
Pohon keputusan Sesi 5 - spk.
PENGAMBILAN KEPUTUSAN DALAM KONDISI BERESIKO
Analisis Keputusan Komponen Pengambilan Keputusan
PENGAMBILAN KEPUTUSAN DALAM KONDISI BERESIKO
II. Pengambilan Keputusan Dalam Pemasaran
PENGAMBILAN KEPUTUSAN DALAM KONDISI BERESIKO
By. Ella Silvana Ginting, SE, M.Si
Probabilitas & Diagram Pohon Keputusan
Diagram pohon keputusan
TEORI PENGAMBILAN KEPUTUSAN
Decision Tree Analysis
PENGAMBILAN KEPUTUSAN MANAJEMEN
POHON KEPUTUSAN (DECISION TREE)
PENGAMBILAN KEPUTUSAN MANAJEMEN
Keputusan dalam suasana risiko (dengan probabilita)
PERTEMUAN XII ANALISA KEPUTUSAN DAN TEORI PERMAINAN
Decision Tree Analysis
PENGAMBILAN KEPUTUSAN PADA KONDISI TIDAK PASTI (Diagram Keputusan)
Decision Theory (lanjutan)
BAB IV DIAGRAM KEPUTUSAN.
Transcript presentasi:

ANALISIS KEPUTUSAN BAGI SITUASI MASA DEPAN YANG TIDAK PASTI

UPAYA MENINGKATKAN KUALITAS KEPUTUSAN  SEBELUM INFORMASI TAMBAHAN KITA MENGGUNAKAN PROBABLITAS KASAR (PRIOR PROBABILITY).  UNTUK MENINGKATKAN KUALITAS KEPUTUSAN DILAKUKAN PENELITIAN TAMBAHAN SEHINGGA DIPEROLEH ANGKA PROBABILITAS YANG BARU (POSTERIOR PROBABILITY). PRIOR PROBABILITY INFORMASI BARU ANALISIS BAYESIAN POSTERIOR PROBABILITY A. PENGEMBANGAN STRATEGI KEPUTUSAN

HASIL PENELITIAN TAMBAHAN HASIL PENELITIAN DAPAT DIGOLONGKAN MENJADI 2 KELOMPOK: 1.HASIL STUDI MENDUKUNG (FAVORABLE) JIKA RESPONDEN YANG DIHUBUNGI MENUNJUKKAN MINAT YANG TINGGI TERHADAP PENYEDIAAN JASA KONSULTAN. 2.HASIL STUDI KURANG MENDUKUNG (UNFAVORABLE) JIKA RESPONDEN YANG DIHUBUNGI MENUNJUKKAN KURANG BERMINAT TERHADAP PENYEDIAAN JASA KONSULTAN. SITUASI MASA DEPANHASIL STUDI CONDITIONAL PROBABILITY FAVORABLE P(I1/Sj) CONDITIONAL PROBABILITY UNFAVORABLE P(I2/Sj) S1 PERMINTAAN TINGGI S2 PERMINTAAN RENDAH 0,8 0,1 0,2 0,9 Jika S1 benar maka 80% hasil studi favorable. Jika S2 benar maka 90% hasil studi tidak favorable.

Rp 12 JT Rp 6 JT Rp 15 JT Rp 2 JT Rp 20 JT - Rp 3 JT D1 D2 D3 S1 S2 S1 S2 S1 S2 I Rp 12 JT Rp 6 JT Rp 15 JT Rp 2 JT Rp 20 JT - Rp 3 JT D1 D2 D3 S1 S2 S1 S2 S1 S2 I1 1 Hasil eksperimen: bisa I1 (favorable) atau bisa I2 (unfavorable)

1. JIKA HASIL STUDI MENDUKUNG (FAVORABEL) MAKA PROBALITAS AKHIR SITUASI MASA DEPAN PROB. AWAL P(Sj) PROB. KONDISIONAL P(I1/Sj) PROB. GABUNGAN P(I1,∩Sj) PROB. AKHIR P(Sj/I1) S1 S2 0,4 0,6 0,8 0,1 0,32 0,06 P(I1) = 0,38 0,32/0,38= 0,8421 0,06/0,38= 0,1579 PROBABILITAS GABUNGAN: P(I1∩S1) = P(S1) P(I1/S1) P(I1∩S2) = P(S2) P(I1/S2) PROBABILITAS AKHIR: P(S1/I1) = P(I1∩S1)/P(I1) P(S2/I1) = P(I1∩S2)/P(I1) PROBABILITAS GABUNGAN: P(I1∩S1) = P(S1) X P(I1/S1)=0,4X0,8=0,32 P(I1∩S2) = P(S2) X P(I1/S2)=0,6X0,1=0,06 P(I1)= P(I1∩S1) + P(I1∩S2) =0,32+0,06=0,38 PROBABILITAS AKHIR: P(S1/I1) = P(I1∩S1)/P(I1)=0,32/0,38=0,8421 P(S2/I1) = P(I1∩S2)/P(I1)=0,06/0,38=0,1579

2. JIKA HASIL STUDI TIDAK MENDUKUNG (UNFAVORABEL) MAKA PROBALITAS AKHIR SITUASI MASA DEPAN PROB. AWAL P(Sj) PROB. KONDISIONAL P(I1/Sj) PROB. GABUNGAN P(I1, ∩Sj) PROB. AKHIR P(Sj/I1) S1 S2 0,4 0,6 0,2 0,9 0,08 0,54 P(I2) = 0,62 0,08/0,62= 0,1290 0,54/0,62= 0,8710 PROBABILITAS GABUNGAN: P(I2∩S1) = P(S1) X P(I2/S1)=0,4X0,2=0,08 P(I2∩S2) = P(S2) X P(I2/S2)=0,6X0,9=0,54 P(I2)= P(I2∩S1) + P(I2∩S2) =0,08+0,54=0,62 PROBABILITAS AKHIR: P(S1/I2) = P(I2∩S1)/P(I2)=0,08/0,62=0,1290 P(S2/I2) = P(I2∩S2)/P(I2)=0,54/0,62=0,8710

Rp 12 JT Rp 6 JT Rp 15 JT Rp 2 JT Rp 20 JT - Rp 3 JT D1 D2 D3 P(S1)=0,8421 P(S2)=0,1579 P(S1)=0,8421 P(S2)=0,1579 P(S1)=0,8421 P(S2)=0,1579 P(I1)=0, Rp 12 JT Rp 6 JT Rp 15 JT Rp 2 JT Rp 20 JT - Rp 3 JT D1 D2 D3 P(S1)=0,1290 P(S2)=0,8710 P(S1)=0,1290 P(S2)=0,8710 P(S1)=0,1290 P(S2)=0,8710 P(I2)= 0,62 1

PERHITUNGAN EXPECTED MONETARY VALUE UNTUK MASING-MASING NODE (4,5,6,7,8) ,0526 jt 12,9533 jt 16,3683 jt 6,774 jt 3,667 jt - 0,033 jt I1 I2 D1 D2 D3 D1 D2 D3 EMV (NODE 4) = (0,8421)(12juta) + (0,1579)(6 juta) = Rp 11,0526 juta. EMV (NODE 5) = (0,8421)(15juta) + (0,1579)(2 juta) = Rp 12,9533 juta. EMV (NODE 6) = (0,8421)(20juta) + (0,1579)(-3 juta) = Rp 16,3683 juta. EMV (NODE 7) = (0,1290)(12juta) + (0,8710)(6 juta) = Rp 6,774 juta. EMV (NODE 8) = (0,1290)(15juta) + (0,8710)(2 juta) = Rp 3,677 juta. EMV (NODE 9) = (0,1290)(20juta) + (0,8710)(-3 juta) = Rp -0,033 juta.

,0526 jt 12,9533 jt 16,3683 jt 6,774 jt 3,667 jt - 0,033 jt I1 I2 D1 D2 D3 D1 D2 D3 UNTUK NODE 2 PILIHAN JATUH PADA D3 DENGAN EMV = Rp 16,36 jt UNTUK NODE 3 PILIHAN JATUH PADA D1 DENGAN EMV = Rp 6,77 jt. PILIHAN D3 ATAU D1 TERGANTUNG HASIL PENELITIAN. EXPECTED VALUE OF OPTIMAL DECISION WITH SAMPLE INFORMATION = (0,38) X (16,36 jt) + (0,62) X (6,77 jt) = Rp 10,41 jt.

B. EXPECTED VALUE OF SAMPLE INFORMATION (EVSI) JUMLAH BIAYA MAKSIMUM YANG LAYAK DIKELUARKAN UNTUK MELAKUKAN PENELITIAN EVSI = EMV (DENGAN SAMPLE) – EMV (TANPA SAMPLE) EVSI = Rp 10,41 jt – Rp 8,4 jt = Rp 2,01 juta. LEMBAGA BOLEH MEMBAYAR BIAYA STUDI PALING TINGGI SEBESAR Rp 1,76 juta.

C. TINGKAT EFISIENSI INFORMASI SAMPLE E = EVSI/EVPI X 100% E = Rp 2,01 jt/ Rp 3,2 jt x 100% = 55% INFORMASI YANG DIPEROLEH DARI STUDI 55% EFISIEN DIBANDINGKAN DENGAN INFORMASI SEMPURNA (PERFECT INFORMATION).

D. PROSEDUR PENGGUNAAN POHON KEPUTUSAN TAHAP 1: MEMBUAT CABANG-CABANG POHON KEPUTUSAN MEMBUAT DECISION NODE PADA UJUNG ALTERNATIF BUAT TITIK SITUASI MASA DEPAN. BUAT CABANG-CABANG SITUASI MASA DEPAN YANG MUNGKIN TERJADI JIKA MASIH ADA ALTERNATIF LAIN SETELAH UJUNG SITUASI MASA DEPAN MAKA BUATLAH TITIK KEPUTUSAN BARU. TAHAP 2: MENYISIPKAN DAUN-DAUN TULISKAN BIAYA PELAKSANAAN DARI MASING-MASING SITUASI MASA DEPAN. TULISKAN PROBABILITAS MASING-MASING SITUASI MASA DEPAN. TULISKAN GROSS PAYOFF PADA UJUNG CABANG SITUASI MASA DEPAN.