TEORI PENGAMBILAN KEPUTUSAN BY RATNA SARI DEWI

(1)

TEORI PENGAMBILAN KEPUTUSAN

BY

RATNA SARI DEWI

(2)

PENGAMBILAN KEPUTUSAN

Pengambilan keputusan merupakan suatu proses pemilihan salah satu

dari beberapa alternatif yang

tersedia untuk mencapai sasaran yang telah ditetapkan oleh

pengambil keputusan

(3)

Tahap Proses Pengambilan keputusan:

1. Menetapkan Sasaran dan tujuan 2. MengidenJﬁkasi Masalah

3. Mengembangkan alternaJf solusi 4. Memilih alternaJf solusi

5. Melaksanakan keputusan 6. Evaluasi dan kontrol

(4)

Menentukan masalah, dpt dilakukan dgn memperJmbangkan ada 3 hal pokok:

1. Urgency (mendesak) 2. Impact (dampak)

3. Tendency (kecenderungan)

(5)

Kriteria utama dlm memilih alternaJf terbaik:

1.  Mendukung tujuan organisasi

2.  Menimbulkan manfaat yang opJmal dan resiko yang minimal

3.  Mengatasi masalah baru

4.  Melalui pengkajian dengan metode ilmiah 5.  Mengurangi faktor subjekJvitas

(6)

Membuat keputusan yang baik

Apakah yang dapat membuat suatu perusahaan sukses?

–  Keputusan yang dibuat baik

Bagaimana kita dapat yakin bahwa keputusan yang dibuat baik?

–  Akurasi prediksi masa yang akan datang

Bagaimana kita melakukannya?

–  Peramalan

(7)

Mengapa diperlukan?

Masa depan bersifat tidak pasti (uncertain)

Permintaan tidak pasti karena:

- Kompetisi

- Perilaku konsumen - Siklus bisnis

- Upaya penjualan

- Siklus hidup produk - Variasi random, dll.

Diperlukan referensi untuk perencanaan

à hasil peramalan

(8)

PENDEKATAN PENGAMBILAN KEPUTUSAN

1.  Fakta

2.  Pengalaman 3.  Intuisi

4.  Logika

5.  Analisa Sistem

(9)

Metode peramalan

Kualitatif Kuantitatif

M. Time series M. Kausal

M. Regresi M. Smooting M. Dekomposisi

Moving Average

Exp. Smooting

Trend setengah Rata-rata M. Least Square

M. moment Markov Quain

Delphy Method

Tehnik Analogy

Content Analisys

Jury of Excutive opinion

Sales Force Composite

Cunsumer market survai

M. Kuadratik

Regresi Sederhana

Regresi Berganda

(10)

TPK dalam menentuan Proyeksi yang baik adalah proyeksi yang mempunyai nilai

kesalahan atau error yang kecil

Error = hasil proyeksi – kenyataan

(11)

Data dan Kegunaannya dalam Teori Pengambilan Keputusan

•  Data merupakan bahan mentah suatu proyeksi bisnis

•  Data merupakan fakta.

•  Data ttg sesuatu akan lebih berarti kalau dikaitkan dgn waktu dan tempat

•  Semakin lengkap informasi/data, maka

semakin akurat

(12)

Data menurut sifatnya

•  Data KuanJtaJf

Data yang disajikan dalam bentuk angka

•  Data KualitaJf

Data yang disajikan dalam bentuk

pernyataan/ kalimat dan Jdak dalam

bentuk angka

(13)

Data menurut Skala pengukuran

1.  Data Nominal : Skala pengukuran yang menyatakan kategori

2.  Ordinal: skala yang menyatakan peringkat contsruct yang diukur + kategori

3.  Data Interval : skala mempunyai jarak tetap + kategori + peringkat

4.  Data Rasio : Skala yg mempunyai

karakteristik kategori,peringkat, jarak dan memp nilai nol mutlak

(14)

Data Berdasarkan sumbernya

¡ Data intern, data yang berasal dari dalam organisasi perusahaan.

¡ Data ekstern, data yang berasal dari luar perusahaan.

Data ekstern terbagi menjadi data primer (dikumpulkan sendiri untuk peramalan) dan data skunder (data yang telah terkumpul

sebelumnya)

(15)

Data Berdasarkan dimensi waktunya

¡ Data runtut waktu/ Jme series yaitu yang dikumpulkan dari suatu waktu kewaktu berikutnya selama jangka waktu tertentu

¡ Data crossecJonal, data yang dikumpulkan pada suatu waktu tertentu tanpa memiliki

variasi dimensi waktu untuk menggambarkan keadaan pada waktu tertentu

(16)

Syarat-‐ syarat Data yang Baik

¡ Data harus obyekJf, sesuai dengan apa adanya.

¡ RefresentaJf, Data yang diperoleh

berdasarkan peneliJan sample. Sebagai suatu perkiraan harus dapat mewakili populasi.

¡ Upto date, data yang terbaru dan Jdak usang.

¡ Relevant, data harus ada hubungannya dengan problem yang dianalisis.

¡ Data mempunyai kesalahan yang minimum

(17)

Kita lanjutkan setelah pesan2 berikut

ini

(18)

A. Moving Averages (MOVA)

Dengan moving averages (rata-‐rata bergerak) ini kita melakukan peramalan dengan

mengambil sekelompok nilai pengamatan, mencari rata-‐ratanya, lalu menggunakan rata-‐

rata tersebut sebagai ramalan untuk periode berikutnya

1.  Metode rata-‐rata sederhana 2.  Single Moving Averages

3.  Double Moving Averages

(19)

1. Metode rata-‐rata sederhana

Proyeksi dengan menggunakan rata-‐rata sederhana pada prinsipnya menentukan nilai

prediksi dengan berdasarkan nilai rata-‐rata data historis selama periode pengamatan

X_t + X_t-‐1 + X_t-‐2 + X t-‐(n+1) F_t+1 = -‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐

n

(20)

Kelebihan dan Kekurangan Metode rata-‐rata sederhana

Kelebihan Metode rata-‐rata sederhana :

•  Merupakan metode proyeksi yang mudah dan sederhana

•  Tidak memerlukan banyak data Jme series Kekurangan Metode rata-‐rata sederhana :

•  Bobot data untuk seJap pengamatan sama, yaitu 1/n sehingga Jdak memperhitungkan data yang ekstrem.

•  Metoda ini Jdak memperhitungkan unsur trend dan musiman.

(21)

2. Single Moving Averages

Metode ini dilakukan dengan jalan menghitung rata-‐rata tetapi dengan periode yang selalu

bergerak mengikuti perubahan waktu.

Tujuan dilakukannya penghitungan rata-‐rata secara bergerak untuk menghilangkan data

terlama dan mneggantinya dengan data terbaru

(22)

a. Menentukan ramalan SMA

X_t + X_t-‐1 + X_t-‐2 + X t-‐(n+1) F_t+1 = -‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐

n

F_t+1 = ramalan untuk periode ke _t-‐1 X_t = data pada periode ke t

n = jangka waktu rata-‐rata bergerak

(23)

Menghitung kesalahan Meramal

•  Hasil proyeksi yang akurat adalah forecast

yang bisa meminimalkan kesalahan meramal (forecast error)

Error = Penjualan Riil – Ramalan = X_t -‐ F_t dimana : X_t : Data penjualan period eke t Ft :Ramalan period ke t

(24)

(1) Mean Absolute Error

rata-‐rata absolute dari kesalahan meramal, tanpa menghiraukan tanda positif atau

negative.

Σ| X_t + F_t |

mean absolute error = -‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐

n

(25)

(2) Mean Squared Error

Mean Squared Error adalah rata-‐rata kesalahan meramal di kuadratkan

Σ( X_t + F_t )² mean squared error = -‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐

n

(26)

Sifat moving averages

•  Bila ada data selama P periode kita baru bisa membuat forecast untuk periode ke P+1

•  Semakin panjang

moving average akan menghasilkan moving

average yang semakin halus

(27)

Kelemahan Moving average

•  Perlu data historis

•  Semua data diberi bobot yang sama

•  Tidak bisa mengikuJ perubahan yang drasJs

•  Tidak cocok untuk forecasJng data yang ada gejala trend

(28)

3. Double moving average/Metode rata-‐rata bergerak ganda

•  Menghitung nilai rata-‐rata bergerak pertama

diberi symbol S_t'. Hasilnya diletakkan pada periode terakhir rata-‐rata bergerak pertama.

Y_t + Y_t-‐1 + Y_t-‐2 S_t'= -‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐

n

(29)

•  Menghitung nilai rata-‐rata bergerak pertama diberi symbol S_t'' Hasilnya diletakkan pada

periode terakhir rata-‐rata bergerak kedua.

•  Lalu mencari nilai a (konstanta)

dan diberi symbol a_tdengan rumus sbb : a_t = S_t' +(S_t' -‐ S_t'' )

= 2 S_t' -‐ S_t''

(30)

•  Mencari nilai b (slope) dengan rumus sbb : 2(S_t' -‐ S_t'')

b_t= -‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐

v-‐1

•  Menentukan dan Menghitung nilai proyeksi/

forecast dengan rumus sbb : F_{t
+m} = a_t + b_t (m) ;

dimana m : jangka waktu forecast ke depan.

(31)

Soal

•  Perusahaan Maju mundur di Makassar

memiliki data penjualan bulanan tahun 2014 sbb :

(32)

ESTIMATION VS FORCASTING

Demand EsJmaJon :

The process of ﬁnding current value for the coeﬃcients in the demand funcJon for a parJcular product.

Demand ForcasJng :

The process of ﬁnding current value for demand in future Jme periods

(33)

Direct versus Indirect Methods of EsJmaJon

Direct methods directly involve the consumer and include interviews and surveys, simulated

market situaJons, and controlled market experiments.

Indirect demand esJmaJon used data that have been collected and ahempts to ﬁnd staJsJcal correlaJons between the dependent and the independent

variables

(34)

Regression Analysis is a staJsJc technique used to discover the apparent dependence of one variable on one or more other variables

Time Series analysis used observaJons that have been recorded over Jme in parJcular situaJon.For exp, monthly price and sales levels of a product in a

parJcular ﬁrm may have been collected for the past twelve months.

Cross-‐secJon analysis used observaJons taken from

diﬀerent ﬁrms or situaJat the same point or period of Jme.

(35)

EsDmasi Permintaan Anlisis Regresi u/

mengetahui hub. KuanJtaJf yg sebenarnya antara permintaan suatu produk (V.D) dgn faktor2 yg mempengaruhinya (V.I)

Metode u/ menyusun persamaan Regresi :

Metode Least Squares è menemukan grs lurus yg meminimisasi jmh perbedaan

verJkal dr garis terhadap seJap hk data

(36)

(37)

Pengertian Regresi

Analisis regresi merupakan studi ketergantungan satu atau lebih variabel bebas terhadap variabel tidak bebas. Dengan maksud untuk

meramalkan nilai variabel tidak bebas.

(38)

Istilah dan notasi variabel dalam regresi ?

Y

•  Varaibel tergantung (Dependent Variable)

•  Variabel yang dijelaskan (Explained Variable)

•  Variabel yang diramalkan (Predictand)

•  Variabel yang diregresi (Regressand)

•  Variabel Tanggapan (Response)

X

•  Varaibel bebas (Independent Variable)

•  Variabel yang menjelaskan (Explanatory Variable)

•  Variabel peramal (Predictor)

•  Variabel yang meregresi (Regressor)

•  Variabel perangsang atau kendali (Stimulus or control variable)

(39)

Persamaan Regresi

Persamaan Regresi linier Sederhana:

Y = a + bX + ε

Y = Nilai yang diramalkan a = Konstansta

b = Koefesien regresi X = Variabel bebas ε = Nilai Residu

∑

∑ ∑ ∑

−

= −₂ ₂

) (

) )(

( ) (

X X

n

Y X

XY b n

n

X b

a ₌ ∑Y ⁻ ⁽∑ ⁾

(40)

Koefesien Determinasi

Koefesien determinasi:

∑

−

− −

= ₂

2 2

) (

ˆ) 1 (

Y Y

Y

R Y 0,743

) 886 (

) 497 ,

227 1 (

2 = − =

R

Koefesien Determinasi Disesuaikan (adjusted)

1 ) 1

( ²

2

−

− −

= N P

R R P

R_adj 0,70

1 1 8

) 743 , 0 1 ( 743 1 ,

0 =

−

− −

adj = R

(41)

Kesalahan Baku Estimasi

Digunakan untuk mengukur tingkat kesalahan dari model regresi yang dibentuk.

k n

Y Se Y

−

= ∑⁽ − ^ˆ⁾² ₆_,₁₅₇₆

2 8

) 467 ,

227

( =

= − Se

(42)

Standar Error Koefesien Regresi

Digunakan untuk mengukur besarnya tingkat kesalahan dari koefesien regresi:

n X X

Sb Se

− ∑

∑

= 2

2 ( ) 0,359

8 ) 192 ) (

4902 (

1576 ,

6

1 2 =

− Sb =

(43)

Uji F

Uji F digunakan untuk uji ketepatan model, apakah nilai prediksi mampu menggambarkan kondisi sesungguhnya:

Ho: Diterima jika F _hitung ≤ F _tabel Ha: Diterima jika F _hitung > F _tabel

) /(

1

) 1 /(

2 2

k n R

k F R

−

= − 17,367

) 2 8 /(

743 , 0 1

) 1 2 /(

743 ,

0 =

−

= − F

Karena F hitung (17,367) > dari F tabel (5,99) maka persamaan regresi dinyatakan Baik (good of fit).

(44)

Uji t

Digunakan untuk mengatahui pengaruh variabel bebas terhadap variabel tergantung.

H_o: Diterima jika t _hitung ≤ t _tabel H_a: Diterima jika t _hitung > t _tabel

Sbj

T_hitung = bj ^t^hitung ⁼ ¹₀^,_,⁴⁹⁷₃₅₉ ⁼ ⁴^,¹⁶⁷

Karena t _hitung(4,167) > dari t tabel (1,943) maka H_a diterima ada pengaruh iklan terhadap penjualan.

(45)

KESIMPULAN DAN IMPLIKASI

KESIMPULAN

Terdapat pengaruh positif biaya periklanan terhadap volume penjualan.

IMPLIKASI

S e b a i k n y a p e r u s a h a a n t e r u s meningkatkan periklanan agar penjualan meningkat.

(46)

Problem dalam analisis regresi

• MulJkolinieritas

• HeteroskedasJsitas

• Autokorelasi

• Kesalahan Spesiﬁkasi

• Kesalahan Pengukuran

(47)

Model Persamaan Regresi Berganda

Ŷ = a + b₁X₁ + b₂X₂ Dimana : ei = error term

Ŷ = Variabel terikat yg diperkirakan X = Variabel bebas

a = constanta

b₁,b₂ = koeﬁsien Regresi parsial x₁,x₂ = variabel independen 1,2 1.  ∑X = n.a + b₁∑X₁ + b₂∑X₂

2.  ∑X₁Y= a∑X₁ + b₁∑X₁²+ b₂ ∑X₁X₂ 3.  ∑X₂Y = a ∑X₂ + b₁∑X₂X2 +b₂ ∑X₂²

(48)

Proyeksi Trend

 Metode Trend Linear è Cenderung garis lurus

Fungsi Persamaan : Y= a + bX

a = ΣY : n

b = ΣXY : ΣX²

(49)

• Metode Trend KuadraJk

Metode ini digunakan è cenderung parabola.

Fungsi Persamaan : Y = a + bX + cX² a = (ΣY – c ΣX²) : n b = ΣXY : ΣX²

c = {nΣX²Y – (Σ X²)(ΣY)} -‐ {nΣX⁴ – (Σ X²)²}

(50)

Moment

 Metode Momentè Cenderung garis lurus

Fungsi Persamaan : Y= a + bX

ΣY = n a + b ΣX

ΣXY = a ΣX + b ΣX²

(51)

• Metode Trend Simple ExponenJal

Metode ini digunakan ècenderung naik turun tdk beraturan

Fungsi Persamaan :

Y = ab^X ==> log Y = log a + X log b Log a = (Σ log Y) : n

Log b = {ΣX(log Y)} : Σ X²

(52)

Tugas Lapangan (Pengambilan Data)

1.  Cari studi kasus utk data dilapangan ( asal data ditulis ). Data 10-‐ 20 periode saja.

2.  Entri datanya dan cari hasil peramalannya.

Sesuai metode yang telah ditentukan untuk masing2 mahasiswa.

3.  Cari Errornya dgn metode Square Errror

4.  Gunakan program Excel untuk meramalkan.

5.  Diskusikan pada pertemuan perkuliahan.

TEORI PENGAMBILAN KEPUTUSAN BY RATNA SARI DEWI