DECISION ANALYSIS

Avita Kusuma Wardhani, S.TP., M.Sc.

Consider the following situation:

Scenario 1
A company is to decide if it should fund a 5-year R&D
program to develop a new product for the market.
Depending on the outcome of the research, the company
will decide if it should go into production and market the
product.
Major problems faced by the company:
The outcome of the research is uncertain
The total cost of research uncertain
The quality of the final product is uncertain
The future production cost is uncertain
The market share of the new product is uncertain
The profit is uncertain
Etc
Effective Decision Making

Keputusan efektif belum tentu sama dengan

keputusan populer !
 Good Decision vs Good
Outcome
Good
Good
decision
decision

Good Bad
Good
outcom Bad
outcom
outcom
e outcom
e
e e

Bad
Bad
decision
decision

Good decision is not guarantee good outcome

it only enhances the chance
What is a Decision ?
A decision is a choice between alternatives based on estimates
of the values of those alternatives.
Example of decision:
To fund a research project
To go on an overseas holiday
To take an umbrella when going out
Example of non-decision:
Regret not buying a certain item because the price has risen
Worry about the not able to graduate from this program
Decision helping people working alone or in a group gather
intelligence, generate alternatives, and make choices
The choice making process involves supporting the
estimation, the evaluation and/or the comparison of
alternatives
Decisions elements

What
What you
you can do
know
What
you
want
or
value

Decision
Model
Human Decision-Making
H. A. Simon is considered a pioneer in the
development of human decision-making models.
His basic model depicts human decision-making as
a three-stage process. These stages are:
Intelligence: The identification of a problem
(or opportunity) that requires a decision and the
collection of information relevant to the decision
Design: Creating, developing, and analyzing
alternative courses of action
Choice: Selecting a course of action from those
available.
Decision-Making Phases and Steps
Intelligence
Data Gathering
Observation of reality and collecting of any relevant qualitative and quantitative data is
done for the general situation of interest.
Problem Recognition
Based on the interpretation of collected data, a well focused problem statement and
general objective is defined.
Design
Model Formulation
Using the well-focused problem, a predefined model is instanced with a set of courses
of action, outcomes criteria, set of uncontrolled events and parameters, and the
relationships between these variables. If a predefined model is unavailable, a new
model must be developed.
Model Analysis
Face validity and pilot test of the model is conducted to reduce any potential source of
significant error.
Choice
Generation & Evaluation
With a validated model, all courses of action are evaluated (or dynamically generated)
and what-if, sensitivity, and goal-seeking analysis are conducted, in terms of the
outcomes criteria.
Selection
Elements for Rational Decision Making
Identify the goal to be achieved by the
decision
Identify the options available to the
decision maker
Evaluate the likely outcomes if each
option is chosen
Decide which option is best
And then Do it !
 Why are Decisions Hard to
Make?
The decision makers are faced with the followings:
1. Complexity
There are many alternatives or possible solutions
There are many factors to be considered and many of these
factors are interdependent
2. Uncertainty
The possible future outcomes are uncertain or difficult to predict
Information may be vague, incomplete, or unavailable
3. Multiple conflicting objectives
The decision maker(s) may have many goals and objectives
Many of these goals or objectives may be conflicting in nature
4. Different perspectives may lead to different
conclusions. More than one person is involved in decision making.
What is a good decision?
A simple answer: it is the one that gives the
best outcome.
You may make a decision after careful consideration
of the available information and through deliberation
about the goals and possible outcomes, however still
have an unlucky outcome: such as stock market.

DA helps you make a decision with eyes open!

You can do better with structure and guidance
Why does DA offer?
Decision Analysis providers structure and guidance for
thinking systematically about hard decisions.
To help a decision maker take action with confidence gained
through a clear understanding of the problem.
DA provides a set of tools for
Structuring and representing the dependencies among all the
alternatives and factors in the problem using decision trees
and influence diagram
Dealing with risks and uncertainty explicitly using probabilities
Computing best alternatives under different future scenarios
Managing information collection process for model
enhancement
What questions can DA
answers?
What is my best course of action?
How risky is this project if I follow the recommended
actions?
Which are the most important assumptions?
What potentials are realizable in this project?
Are there more information or data which can help me
enhance my decision and how much are these information
worth paying for?
How much it is worth to be able to control the outcome of an
uncertain variable?
 Approaches to Studies
on Decision Making
Normative approach: concerned with how rational
decisions ought to be made
Optimality
Rationality
Economics
Descriptive (behavioral) approach: concerned with
understanding how humans actually make decisions
Developing psychological models of human cognition and
thinking
Explaining human behaviors
Predicting human behaviors
Decision Analysis Process
1. Identify the decision situation (find the exact
problem): Minimizing cost? Maximizing profit?
Minimizing risks?
2. Identify alternatives
3. Decompose and model the problem: Model of
problem structure, Model of uncertainty, Model of
preference.
4. Choose the best alternative
5. Sensitivity analysis
6. Is further analysis needed? If YES repeat step 1,2
and 3
7. Implement the chosen alternative
Decision Process
The DA cycle

Confusion,
Clarity of
doubt, Formulation Evaluation Appraisal Act?
action
uncertainty

Revision
If you are looking for a way to structure your
decisions to make them more organized and easier
to explain to others, you definitely should consider
using formal decision analysis.

Influence
Diagram

Decision Trees
Influence Diagrams
Influence diagrams present a decision in a simple, graphical form.
diagram pengaruh mewakili keputusan dalam bentuk sederhana, grafis
Decisions, chance events and payoffs (values) are drawn as shapes
(called nodes) and are connected by arrows (called arcs) which define
their relationship to each other.
Keputusan, peristiwa kebetulan dan hadiah (nilai-nilai) yang diambil
sebagai bentuk (disebut node) dan dihubungkan oleh panah (disebut
busur) yang mendefinisikan hubungan mereka satu sama lain.
In this way, a complex decision may be reduced to a few shapes and
lines.
Dengan cara ini, sebuah keputusan yang kompleks dapat dikurangi
untuk beberapa bentuk dan garis.
Influence diagrams are excellent for showing the relationship between
events and the general structure of a decision clearly and concisely.
diagram pengaruh sangat baik untuk menunjukkan hubungan antara
peristiwa dan struktur umum keputusan jelas dan ringkas.
Influence Diagrams
The term influence refers to the dependency of a
variable on the level of another variable.
Pengaruh merujuk pada ketergantungan variabel pada
tingkat variabel lain.
Rectangle: Decision Variable / Rectangle: Variabel Keputusan

Circle: uncontrollable or intermediate variable

Lingkaran: tak terkendali atau variabel antara

Oval: result (outcome) variable, intermediate or final

Oval: Hasil (outcome) variabel, menengah atau akhir

The variables are connected by arrows which indicate

the direction of influence.
Variabel yang dihubungkan oleh panah yang
menunjukkan arah pengaruh.
Influence Diagrams

The shape of arrow indicate the type of

relationship:
Amount Interest
In CDs Collected
Certainty

Price
Sales
Uncertainty

~
Demand Sales
Random (Risk variable)
Example:
An Influence Diagram for the Profit Model

Income
Unit Price

~
Amount used in advertisement Units Sold Profit

Expense
Unit Cost

Fixed Cost
Decision Trees
Decision trees are a comprehensive tool for
modeling all possible decision options.
While influence diagrams produce a compact
summary of a problem, decision trees can show
the problem in greater detail.
Decision trees describe events in chronological
order but can be much larger than influence
diagrams.
Decision Trees
It utilizes a network of two types of nodes:
decision (choice) nodes, and states of nature
(chance) nodes
Square represents decisions to be made.
Circles represents chance events. Chance nodes,
are random variables and they represent
uncertain quantities that are relevant to the
decision problem.
Branches from a square correspond to the choices
available to the decision maker.
Branches from a circle represent the possible
outcome of a chance event.
The consequence is specified at the ends of the
branches.
Example
Entong ingin
mengadakan pesta
ulang tahun. Dia
mempertimbangkan
tiga lokasi tempat:
outdoor, indoor, teras
(porch)
Decision
node

Chance
node
Nodes

Decision node:
Berbentuk persegi
Melambangkan titik dalam pohon yang menyatakan titik
pengambilan keputusan, decision maker mempunyai
kebebasan penuh untuk mengambil keputusan

Chance node:
Berbentuk bulat
Melambangkan uncertain variable, decision maker tidak
mempunyai kontrol terhadap outcome variable ini
Interpretation of Decision
Trees
The options represented by branches from
a decision node must be such that the
decision maker can choose only one option.
Each chance node must have branches that
correspond to a set of mutually exclusive
and collectively exclusive outcomes (only
one of them can happen, no other
possibilities exit)
A Decision Tree must show all the possible
paths that the decision maker might follow
through time. Including all possible decision
alternatives.
The Advantage Of Decision Tree
Are simple to understand and interpret.
Have value even with little hard data.
Can be combined with other decision techniques.
 POHON
KEPUTUSAN
Suatu pohon keputusan (Decision Tree) adalah suatu pohon
terarah yang menggambarkan suatu proses keputusan.
Simpul-simpul menunjukkan titik-titik pada saat dimana (i)
salah satu keputusan harus diambil oleh pengambil
keputusan, atau (ii) pengambil keputusan dihadapkan
dengan salah satu keadaan alamiah, atau (iii) prosesnya
berakhir.
Arah keluar suatu simpul (i) adalah suatu cabang untuk tiap-
tiap keputusan yang mungkin; dan juga (ii) adalah suatu
cabang untuk tiap-tiap keadaan alamiah yang mungkin.
Di bawah tiap-tiap cabang dituliskan kemungkinan kejadian
yang bersangkutan, apabila didefinisikan.
Pohon keputusan bermanfaat dalam menentukan
keputusan-keputusan yang optimal untuk berbagai
proses yang rumit.
Tekniknya adalah memulai dengan simpul-simpul
terminal dan bergerak ke belakang melalui jaringan
yang berurutan, dan menghitung keuntungan-
keuntungan yang diharapkan pada simpul antara.
Tiap-tiap keuntungan dituliskan di atas simpul yang
bersangkutan.
Keputusan yang dianjurkan adalah yang akan
membawa kita untuk mendapatkan suatu
keuntungan maksimum yang diharapkan.
Keputusan-keputusan yang tidak dianjurkan,
cabang-cabangnya diberi tanda silang.
The Example Of Decision Tree
Kriteria Keputusan
 Kriteria Keputusan NAIF
(NAIVE)
Kriteria Minimaks (Pesimistik)
Memilih keputusan yang meminimumkan kemungkinan
kehilangan maksimum pada pembuat keputusan
Kriteria Optimistik
Memilih keputusan-keputusan yang memaksimumkan
keuntungan yang mungkin
Kriteria moderat (middle-of-the road criterion)
Memilih keputusan yang merupakan rata-rata
keuntungan maksimum dan minimum terbesar
 Kriteria A PRIORI

Kriteria a priori (Bayes) adalah memilih keputusan

yang memaksimumkan keuntungan yang
diharapkan

Kriteria A
POSTERIORI
Kriteria a posteriori adalah memilih keputusan yang
memaksimumkan keuntungan maksimum yang
diharapkan terhadap distribusi probabilitas yang
diperbaharui
 Kriteria A
POSTERIORI
Jika suatu percobaan yang tidak sempurna dapat dilakukan
sehingga memberikan informasi mengenai keadaan alam yang
sebenarnya, maka data-data dari percobaan ini dapat
digabungkan dengan probabilitas-probabilitas awal dari
berbagai keadaan untuk menghasilkan suatu distribusi
probabilitas yang diperbarui.
Namakan hasil dari percobaan ini dengan dan anggaplah
bahwa keandalan percobaan diberikan oleh kemungkinan-
kemungkinan bersyarat (conditional probabilities) P(S1),
P(S2),, P(Sn).
Kemungkinan-kemungkinan dari berbagai keadaan yang
diperbarui (atau a posteriori) - P(S1), P(S2),,P(Sn) -
ditentukan dari teorema Bayes:
 Teori keputusan tidak pasti jenis
maksimasi, terdapat beberapa tipe :

1. Tipe Pesimis/Minimaks
Cari angka minimum dari tiap baris
Cari angka terbesar dari angka yang sudah dicari
terkecilnya di baris tersebut
Pilih strategi tersebut
Untuk kasus minimasi, tipe ini menggunakan minimaks
yaitu dari seluruh baris yang minimum dipilih baris
yang maksimum.
2. Tipe Optimis Maksimaks
Cari angka terbesar dari tiap baris
Cari angka terbesar dari angka yang sudah dicari
terbesarnya di baris tersebut
Pilih strategi tersebut
Untuk kasus maksimaks, tipe ini menggunakan maksimum
yaitu dari seluruh baris yang maksimum, dipilih baris yang
maksimum.
3. Tipe Minimaks Regreat/Savage.
Cari angka terbesar dari tiap kolom, kemudian selisihkan
angka terbesar tersebut dengan angka yang lain yang ada
pada kolom tersebut.
Cari angka selisih terbesar pada masing-masing barisnya.
Cari angka terkecil tersebut dari angka-angka terbesar
yang sudah dicari dari tiap baris tersebut
Pilih strategi tersebut.
4. Tipe Hurwich/Pendekatan . Tahapannya :
Dengan diketahuinya alpha (), agar mendapatkan nilai
dari tiap baris tersebut, dicari nilai tertimbangnya (VW =
value weighted), dengan cara :
[ x angka terbesar dari baris tersebut] + [(1- ) x angka
terkecil pada baris tersebut]
Cari angka terbesar dari nilai tertimbang (VW) yang
sudah didapatkan dan perhitungan tersebut
Pilih strategi tersebut.
5. Tipe rasional/laplace
Jumlahkan angka-angka yang ada pada baris tersebut,
kemudian dibagi dengan n
Cari angka terbesar dalam perhitungan tersebut
Pilih strategi tersebut.
Contoh 1 :
Demam piala dunia 2010 telah berakhir, piala eropa 2012
sedang menanti untuk dinikmati. Lembaga penilai
independen sedang melakukan survei terhadap
kesebelasan mana yang difavoritkan oleh masyarakat
eropa. Lembaga penilai ini membentuk 3 tim penilai
independen untuk melakukan penilaian kesebelasan
yang diperkirakan akan menjuarai piala eropa 2012.
adapun dari hasil akhir penilaian tim penilai tersebut,
muncul 3 kesebelasan yang difavoritkan. Berikut adalah
data dari tim penilai independen :
Kesebelasa Tim penilai Tim penilai Tim penilai
n 1 2 3
Jerman 707 389 227
Inggris 100 181 679
spanyol 509 819 389
 Berdasarkan kriteria pengambilan keputusan yang
bersifat tidak pasti tanpa probabilitas, tentukan
kesebelasan mana yang dipilih apabila berdasarkan
kriteria :
1. Tipe pesimis
2. Tipe optimis
3. Tipe minimaks Regreat
4. Tipe huwrich dengan alpha 0,7
5. Tipe rasional
1. Tipe Pesimis/Abraham Wald/Minimaks
Kesebelasan Tim Penilai 1 Tim Penilai 2 Tim Penilai 3 Minimaks
Jerman 707 389 227 227
Inggris 100 181 679 100
Spanyol 509 819 389 389
Seseorang yang menganut tipe pesimis akan memilih
kesebelasan Spanyol yang menjuarai piala eropa 2012

2. Tipe Optimis/Maksimaks
Kesebelasan Tim Penilai 1 Tim Penilai 2 Tim Penilai 3 Minimaks
Jerman 707 389 227 707
Inggris 100 181 679 679
Spanyol 509 819 389 819

Seseorang tipe optimis akan memilih spanyol yang menjuarai

piala eropa 2012
3. Tipe Minimaks Regreat
Kesebelasan Tim penilai 1 Tim penilai 2 Tim penilai 3
Jerman 707 389 227
Inggris 100 181 679
Spanyol 509 819 389

Tabel regreat

Kesebelasan Tim penilai 1 Tim penilai 2 Tim penilai 3

Jerman 0 430 452
Inggris 607 638 0
Spanyol 198 0 290

Seseorang yang menganut tipe minimaks regreat akan

memilih kesebelasan spanyol menjuarai piala eropa 2012
4. Tipe Hurwich dengan alpha 0,7
Kesebelasa Tim penilai Tim penilai Tim penilai VW
n 1 2 3
Jerman 707 389 227 563
Inggris 100 181 679 505,3
Spanyol 509 819 389 690
Seseorang yang menganut tipe Hurwich akan memilih
kesebelasan spanyol yan menjuarai piala eropa 2012

5. Tipe Rasional/laplace
Kesebelasa Tim penilai Tim penilai Tim penilai Rata-rata
n 1 2 3
Jerman 707 389 227 441
Inggris 100 181 679 320
Spanyol 509 819 389 572,33
Seseorang yang menganut tipe Rasional akan memilih
kesebelasan spanyol yan menjuarai piala eropa 2012
Contoh Soal
Seorang pemilik tanah sedang mempertimbangkan
apakah akan menerima tawaran perusahaan energi
yang akan membeli tanah miliknya atau
mengeksplorasi dan mengembangkan sendiri tanah
tersebut. Salah satu keputusannya berhubungan
dengan ada tidaknya gas di tanah tersebut.
Keuntungan (dalam ribuan dolar) menurut pemilik
tanah diberikan pada Tabel berikut.
 Matriks Keuntungan
S1: Tidak ada S2: Ada gas di
gas di tanahnya tanahnya
D1: Menerima 60 660
tawaran
perusahaan energi
D2: Mengeksplorasi -100 2000
dan
mengembangkan
sendiri

a) Tentukan keputusan-keputusan yang dianjurkan

pada tiap-tiap kriteria naif bagi proses
keputusan berikut.
Jawab:
Keuntungan minimum untuk keputusan D 1 adalah 60,
sedangkan untuk D2 adalah -100. Karena maksimum {60,
-100} = 60, adalah keuntungan yang berkaitan dengan D 1,
maka D1 adalah keputusan yang dianjurkan di bawah
kriteria minimaks.
Elemen yang terbesar dalam matriks ini adalah 2000, yang
merupakan keuntungan yang berkaitan dengan D 2. Oleh
karena itu D2 adalah keputusan yang dianjurkan dibawah
kriteria optimistik
Rata-rata dari keuntungan maksimum dan minimum untuk D 1
dan D2 adalah berturut-turut:
(660 + 60) / 2 = 360
(2000 + (-100) / 2 = 950
Karena maksimum {360,950} = 950 berkaitan dengan D 2, maka D2
adalah keputusan yang dianjurkan di bawah kriteria moderat.
b) Tentukan keputusan yang dianjurkan berdasarkan kriteria
a priori untuk proses tersebut jika pemilik tanah
memperkirakan probabillitas untuk menemukan gas
adalah 0,6 !
Jawab:
Dengan P(S2) = 0,6, maka didapat bahwa P(S1) = 1 0,6 =
0,4. Dengan menggunakan data pada Tabel, untuk
menghitung keuntungan yang diharapkan dari D 1, maka
diperoleh:
E (G1) = (60) (0,4) + (660) (0,6) = 420
Sedangkan keuntungan yang diharapkan dari D 2,
E (G2) = (-100) (0,4) + (2000) (0,6) = 1160
Karena maksimum dari kedua jumlah ini adalah 1160, yang
berhubungan dengan D2, maka D2 adalah keputusan yang
dianjurkan di bawah kriteria a priori.
c) Gambarkan pohon keputusan dari proses keputusan
tersebut ! 60
Jawab:
E

420 660
C
F

1160
-100
B
G
1160

D 2000

H
d) Pemilik tanah telah melakukan pengukuran pada
tempat yang dicurigai mengandung gas dengan
biaya $30.000. Pengukuran tersebut menunjukkan
tidak adanya gas di tanah tersebut. Tetapi, tes
pengukurannya ternyata tidak sempurna.
Perusahaan yang melakukan pengukuran mengakui
bahwa bila gasnya memang ada, maka ketelitian
tes adalah 30%. Sedangkan apabila gasnya tidak
ada, maka ketelitian tes adalah 90%. Dengan
menggunakan data-data ini, perbarui perkiraan
semula pemilik tanah bahwa probabilitas untuk
menemukan gas adalah 0,6 dan kemudian tentukan
keputusan yang dianjurkan berdasarkan kriteria
a posteriori !
Jawab:
Pada awalnya, P(S2) = 0,6; P(S1) = 0,4. Misalkan 1
adalah hasil pengukuran yang menunjukkan tidak
ada gas. Maka, tingkat ketelitian terhadap tes diberikan
oleh kemungkinan-kemungkinan bersyarat: P(1IS1) =
0,90 dan P(1IS2) = 0,30. Dengan menggunakan teorema
Bayes, maka kemungkinan-kemungkinan yang diperbarui
adalah:
Matriks keuntungan a posteriori diperoleh dari Tabel
dengan mengurangkan 30 (ribuan dolar) dari tiap-tiap
baris yang menggambarkan biaya tes. Keuntungan-
keuntungan yang diharapkan (dalam ribuan dolar) dari
keputusan D1 dan D2, yang berkaitan dengan
kemungkinan yang diperbarui berturut-turut:

E(G1 I 1) = (60 - 30) (2/3) + (660 - 30) (1/3) = 230

E(G2 I 1) = (-100 30) (2/3) + (2000 - 30) (1/3) = 570

Karena maksimum dari keuntungan yang diharapkan

berkaitan dengan D2, maka D2 adalah keputusan yang
dianjurkan di bawah kriteria a posteriori.
d) Gambarkan pohon keputusan dari proses keputusan
tersebut !
Jawab:
Kemungkinan bahwa pengukuran-pengukuran
menunjukkan tidak ada gas, yakni P(1), nilainya satu
(1), karena hasil percobannya diketahui. 30
M

230 630
S2
K
N
570 570
1 -130
I J
1 O
570
L
197
0
P
e) Tentukan keputusan yang dianjurkan berdasarkan
kriteria a posteriori jika pengukuran menunjukkan
bahwa gasnya ada!
Jawab:
Pengukuran yang menunjukkan adanya gas
dinyatakan dengan 2. Dari data-data sebelumnya:
P(1IS1) = 0,90 P(1IS2) = 0,30
Maka,
P(2IS1) = 0,10 P(2IS2) = 0,70
Pada awalnya, P(S2) = 0,6; P(S1) = 0,4
Dengan menggunakan teorema Bayes, maka kemungkinan-
kemungkinan yang diperbarui adalah:
Untuk menggambarkan biaya tes, kita kurangkan tiap-tiap
elemen dalam matriks keuntungan yang semula dengan 30
(ribuan dolar). Maka keuntungan-keuntungan yang diharapkan
dari keputusan D1 dan D2 yang berkenaan dengan probabilitas
yang paling akhir adalah berturut-turut:

E(G1 I 2) = (60 - 30) (0,087) + (660 - 30) (0,913) = 577,8

E(G2 I 2) = (-100 30) (0,087) + (2000 - 30) (0,913) = 1787,3

Karena maksimum dari keuntungan yang diharapkan berkaitan

dengan D2, maka D2 adalah keputusan yang dianjurkan di
bawah kriteria a posteriori.
e) Gambarkan pohon keputusan dari proses keputusan
tersebut !
Jawab:
Kemungkinan bahwa pengukuran-pengukuran
menunjukkan adanya gas, yakni P(2), nilainya satu (1),
karena hasil percobannya diketahui. 30
T

577, 630
8 S2
R
U
1787, 1787,
3 2 -130
I 3
Q
1 V
1787,
3
S
197
0
W
f) Keputusan apakah yang dianjurkan jika
pengukuran belum dilakukan tetapi sedang
dipertimbangkan?
Jawab:
Ini merupakan proses keputusan dua tahap.
Pertama pemilik tanah harus memutuskan
apakah ia akan melakukan pengukuran tersebut
dan kemudian ia harus memutuskan apakah ia
menerima tawaran perusahaan energi atau
mengeksplorasi tanahnya sendiri. Alternatif
keputusan-keputusan tersebut dapat ditulis:
DI= Keputusan untuk melakukan pengukuran
DII= Keputusan untuk tidak melakukan pengukuran
1 = Hasil pengukuran menunjukkan tidak ada gas
2 = Hasil pengukuran menunjukkan ada gas
P(S1) = 0,4 P(S2) = 0,6
P(1IS1) = 0,90 P(1IS2) = 0,30

P(2IS1) = 0,10 P(2IS2) = 0,70

P(1) = P(1IS1) . P(S1) + P(1IS2) . P(S2)

= (0,90)(0,4)+(0,30)(0,6) = 0,54

P(2) = P(2IS1) . P(S1) + P(2IS2) . P(S2)

= (0,10)(0,4) + (0,70)(0,6) = 0,46
Dengan dua kemungkinan ini, didapat bahwa
keuntungan yang diharapkan di simpul I adalah
(570) (0,54) + (1787,3) (0,46) =
1130
 60
E
420 660
S2
C F
1160
-100
B G
1160
D 2000
H
I
D

30
M
1160 230 630
K N
A
570 -130
J O
x

570
D II

1
L 1970
,54
1130 x 0 P

I 30
T
577,8
2 630
0, R S2
46 1787,3 U
-130
Q V
1787,3
S S2 1970
W
Karena keuntungan yang diharapkan di simpul B lebih
besar dari simpul I, maka antara DI dan DII yang
dianjurkan adalah DI. Oleh karena itu, keputusan-
keputusan yang dianjurkan adalah supaya mengadakan
pengukuran dan tidak menerima tawaran dari
perusahaan energi. Sebagai gantinya, eksplorasi tanah
tersebut dilakukan sendiri oleh si pemilik tanah.
Perhatikan bahwa keputusan yang dianjurkan adalah D 2.
Keputusan ini tidak bergantung pada apakah
pengukurannya dilakukan dan juga tidak bergantung
pada hasil pengukuran yang diperoleh jika
pengukurannya dilakukan. Jadi, pengukuran tidak
mempunyai pengaruh pada keputusan akhir melainkan
hanya menyatakan pengeluaran biaya. Hal ini
tergambar dalam kenyataan bahwa selisih antara
keuntungan yang diharapkan di B dan I pada pohon
keputusan adalah biaya tes.
Have a nice time for study

Thank You.