Data and Decision Making

Decision Models

TUGAS MATA KULIAH

Oleh : Shinto K A (041143025) Dwi Mukti Kusumawijaya Dyah Isnaini Puspitasari (041143041) Ricko Mardinsyah Wahyu Ediningtias KELAS AKHIR PEKAN (041143038) (041143044) (041143048)

PROGRAM MAGISTER MANAJEMEN FAKULTAS EKONOMI DAN BISNIS UNIVERSITAS AIRLANGGA

• Kolom sesuai dengan peristiwa di masa depan. dan menerapkannya pada tabel payoff.DECISION MODELS 2011 6. Memaksimalkan fungsi utility dalam pengambilan keputusan adalah mekanisme yang digunakan untuk memperhitungkan resiko dari proses pengambilan keputusan. Dengan adanya dicision analysis memungkinkan kita untuk memilih keputusan dari salah satu keputusan alternatif yang kita miliki ketika ada ketidakpastian tentang masa depan kita. Seorang broker telah menyarankan lima investasi potensial. Dia harus memutuskan bagaimana menginvestasikan uang selama satu tahun. Tom akan membangun sebuah tabel payoff untuk membantu membuat keputusan investasi TOM BROWN . • Pilih kriteria pengambilan keputusan. Contoh case table payoff : TOM BROWN INVESTMENT DECISION Tom Brown telah mewarisi $ 1000.Solution • Buatlah tabel payoff. Tujuannya adalah untuk mengoptimalkan hasil yang dihasilkan dari pengambilan keputusan. • Acara (keadaan alamiah) adalah saling eksklusif dan lengkap secara kolektif. Dalam tabel Payoff : • Baris sesuai dengan keputusan alternatif yang mungkin.1 Introduction to Decision Analysis Decision analysis adalah suatu alat yang menyediakan kerangka kerja untuk membuat keputusan penting. Kita dapat memaksimalkan keuntungan yang diharapkan dengan melihat dan mempertimbangkan probabilitas yang dapat dinilai. • Entri tabel adalah payoffs (hadiah). • Identifikasi keputusan yang optimal • Mengevaluasi solusi : S1 D1 D2 D3 S2 S3 S4 Criterion P1 P2 P3 p11 p12 p13 p14 p21 p22 p23 P24 p31 p32 p33 p34 . 6. • emas • Obligasi Junk • pertumbuhan Saham • Sertifikat Deposito • Saham Hedge Laba atas investasi masing-masing tergantung pada perilaku pasar (tidak pasti) sepanjang tahun.2 Payoff Table Analysis PAYOFF TABLES Analisis tabel payoff dapat diterapkan ketika: • Ada sebuah himpunan berhingga dari alternatif keputusan diskrit. • Hasil dari keputusan adalah fungsi dari sebuah peristiwa tunggal di masa depan.

Kriteria dalam pengambilan keputusan berdasarkan ketidakpastian(under uncertainty). dimana pengambil keputusan setidaknya memiliki beberapa informasi mengenai kemungkinan semua hasil yang ada dan potensial. Maximin Criterion. dimana pengambil keputusan tidak tahu pasti kemungkinan yang terjadi untuk setiap hasil yang tidak diketahui. Pengambilan keputusan berdasarkan resiko (risk). . b. dimana pengambil keputusan sudah mengetahui semua hasil yang potensial. Pengambilan keputusan berdasarkan ketidakpastian (under uncertainty). Untuk menemukan hasil yang optimal dapat dilakukan dengan cara merecord semua hasil minimum dari setiap keputusan kemudian mengidentifikasi keputusan secara maximal. dimana pengambil keputusan bersifat pesimis dan konservatif terhadap keputusan yang ada. dimana bahwa hasil terburuk yang mungkin akan selalu terjadi serta ingin memastikan adanya kemungkinan hasil minimum dari keputusan yang telah diambil.DECISION MODELS Tabel Pay Off Decision States of Nature Alternatives Large Risemall Riseo Change mall FallLarge Fall S N S Gold -100 100 200 300 0 Bond 250 200 150 -100 -150 Stock 500 250 100 -200 -600 C/D account 60 60 60 60 60 Stock option 200 150 150 -200 -150 alternative opsi saham didominasi oleh obligasi alternatif 6.meliputi: a. Decision – Making Criteria Kriteria dalam mengklasifikasi pengambilan keputusan ditentukan oleh : a. c. Pengambilan keputusan berdasarkan pada kepastian (uncertainty).3.

Selain itu pengambil / pembuat keputusan bersifat netral dan mengantisipasi resiko yang akan terjadi sehingga keputusan yang diambil merupakan keputusan yang optimal dan terbaik. ia akan berlatih pengambilan keputusan dengan pasti. Hasil ini diringkas sebagai berikut. Expected Value Approach dapat dilakukan pada saat terdapat aktivitas dengan perencanaan jangka panjang dan situasi keputusan dapat berulang. Maximax Criterion. Demikian pula. Minimax Regret Criterion. dalam kondisi ekonomi yang sama (dan asumsi probabilitas yang sama untuk keadaan alam). keputusan yang optimal adalah untuk membeli obligasi. dimana pengambil keputusan memiliki kemungkinan – kemungkinan yang sama dan dari kemungkinan tersebut dapat dipilih salah satu alternative yang tepat. dimana untuk menemukan keputusan yang optimal tersebut dapat dilakukan dengan cara mencari hasil maksimum untuk setiap alternative keputusan. c. Dalam pengambilan keputusan ini dapat menimbulkan penyesalan dikarenakan gagal untuk memilih keputusan yang terbaik. 6.4. Dari setiap kemungkinan / alternative – alternative keputusan tersebut dapat diidentifikasi lebih spesifik lagi dan mengantisipasi resiko – resiko yang akan terjadi sehingga dapat menghasilkan keputusan / hasil yang optimal dan terbaik. Sebagai contoh jika Tom tahu pasar saham yang akan menunjukkan peningkatan besar secara alami ia akan memilih investasi saham karena memberikan hasil tertinggi ($ 500) untuk keadaan alam. d. If Tom Knew in Advance the His Optimal decision With a Payoff of . dimana identik / hampir sama dengan pendekatan minimax untuk data – data yang berhubungan dengan cost. Prinsiple of Insufficient Reasoning. Expected Value of Perfect Information Untuk menggambarkan hal ini mengingat konsep yang menggunakan jalur kriteria yang diharapkan. Tom tidak bisa yakin apakah ini akan menjadi salah satu dari 20% dari pasar akan yang mengalami penurunan yang besar. Namun. kita menunjukkan bahwa dalam jangka panjang ia harus mendapatkan rata-rata $ 130 per investasi. ia kembali akan memilih investasi saham karena memberikan hasil tertinggi ($ 250) untuk keadaan alam. Pengambilan keputusan berdasarkan resiko didasarkan pada perkiraan probabilitas untuk setiap keputusan yang diambil. Jika berulang kali Tom menginvestasikan $ 1000 di Bond. The $ 130 adalah dikenal sebagai pengembalian yang diharapkan dengan menggunakan kriteria nilai yang diharapkan (EREV). dan sebagainya. Tetapi seandainya Tom bisa mengetahui di muka tentang kondisi alam yang akan terjadi. Setiap kali Tom membuat keputusan investasi. dimana pengambil keputusan berdasarkan pendekatan sikap yang optimis. Pembuat keputusan optimis dan percaya bahwa keputusan yang telah diambil akan membawa hasil yang baik.DECISION MODELS b. atau jika beberapa kondisi alam lainnya akan terjadi. kecuali jika keputusan optimal yang diambil didasarkan pada hilangnya kesempatan yang ada atau regret daripada biaya. jika ia tahu kenaikan kecil akan terjadi.

00 $50. Demikian pula. dan seterusnya. atau keuntungan sebesar $ 250 atas apa yang akan akan mendapatkan dari investasi bona (keputusan yang optimal tanpa informasi tambahan untuk yang keadaan alam akan terjadi).00 . dan sebagainya. dia pasti harus membeli saham. keputusan nilai yang diharapkan.(250) + 3.(200) + 1.00 $300.00 A large fall C?D $60. ia kembali harus membeli saham.00 $400. memberinya $ 500.$ 130 = $ 141 selama Erev tersebut. Demikian pula.(300) + 1. produktif dia $ 250. If Tom Knew In Advance the Stock Market Would Undergo A large risk GoldA small rise No change A small fall A large fall His Optimal Decision Would Be Stock Stock Gold gold C/D With a gain in Payoff $250.(60) = 271 Ini adalah keuntungan $ 271 .00 $210. Perbedaan ($ 141) adalah nilai yang diperkirakan dari informasi yang sempurna (EVPI). jika dia tahu pasar saham akan menunjukkan kenaikan kecil. Pengembalian yang diharapkan dari mengetahui dengan pasti mana keadaan alam akan terjadi sebelum membuat keputusan investasi disebut pengembalian yang diharapkan dengan informasi yang sempurna (ERPI). Untuk Tom Brown ERPI = 2 (500) + 3. atau keuntungan sebesar $ 50 atas kembali dari membeli obligasi. Cara lain untuk menentukan EVPI untuk masalah investasi untuk alasan sebagai berikut: Kalau Tom tahu pasar saham akan menunjukkan kenaikan besar. 30% dari waktu pasar akan mengalami kenaikan kecil semut Tom akan mendapatkan $ 250.00 (Tom tidak akan memilih investasi obligasi. 20% dari Tom waktu akan memperoleh keuntungan sebesar $ 500. 30% dari waktu pasar akan mengalami perubahan tidak ada dan ia akan mendapatkan $ 200.DECISION MODELS Stock Market would Undergo A large rise A small rise No charge A small fall Would Be Stock Stock Gold Gold $500.00 $250. 20% dari waktu pasar saham akan mengalami kenaikan yang besar.00 $250.00 $50. jika ia tahu di muka yang keadaan alam akan terjadi) Dengan kondisi tersebut.

1(210) = 141 6.PengambilanKeputusan dengan InformasiTa kSempurna Beberapaahli statistic berpendapat bahwa melakukan pengambilan keputusan di bawah ketidakpastian adalah tidak perlu karena akan selalu ada paling tidak satu informasi probabilistic yang dapat digunakan untuk menilai kemungkinan keadaan alamiah.6 Decision Tree Pendekatan Tabel Payoff berguna untuk tahap non-sekuensial atau tunggal denga situasi yang terbatas. yang EVSI = ERSI – EREV EVSI = Expected value of sample information ERSI = Expected return with sample information EREV = Expected return without additional information Efficiency Ukuran nilai relative dari informasi sampel adalah efisiensinya. kita hanya mengambil keuntungan mungkin dari mengetahui mana keadaan alam akan terjadi dan berat badan mereka dengan kemungkinan bahwa keadaan alamiah sebenarnya terjadi.DECISION MODELS Oleh karena itu. Informasi tambahan inimungkindapatmembantu dalammenyempurnakan perkiraan Prior Probability Additional Information Posterior Probability Expected Value of Sample Information (EVSI) • Merupakan expected gain yang diharapkan dari membuat keputusan berdasarkan informasi sampel. Bayesian Statistik berperan dalam menilai informasi tambahan yang diperoleh dari berbagai sumber. Pohon keputusan berguna dalam menganalisis proses pengambilan .3(50) + 1(400) + .2(250) + .5. efficiency berada pada angka di antara 0 dan 1 6. Banyak masalah di dunia nyata keputusan terdiri dari rangkaian keputusan yang saling tergantung satu sama lain. untuk mencari untuk mendapatkan yang diharapkan selama selalu berinvestasi dalam obligasi. EVPI = . • Merevisi expected return untuksetiap keputusan menggunakanprobabilitas posterior. Individu yang menganut paham tersebut disebut Bayenisian statisics.3(50) + . yang ditentukan oleh EVSI atau EVPI Jika 0 ≤ EvSI≤ EVPI . Analisis Bayesian .

Terdapat pilihan tiga bulan untuk biaya properti sebesar $ 20.80 BGD ingin menentukan strategi yang optimal. Konsultan akan memberikan pendapat tentang persetujuan aplikasi : • P (Konsultan memprediksi persetujuan | persetujuan diberikan) = 0. Keadaan (state of nature) yang mungkin terjadi pada saat ini Probabilitas keadaan yang akan terjadi diperoleh dari keputusan dan keadaan yang terjadi sebelumnya. Jika pembelian properti dan varians ditolak. properti dapat dijual kembali dengan net return sebesar $260.000. .000 Variance application costs = $ 30. yang termasuk nilai biaya atau manfaat. Cabang yang berasal dari keadaan (state of nature/ kesempatan). Jika menyewa konsultan maka butuh biaya $ 5000.70 • P (Konsultan memprediksi penolakan | persetujuan ditolak) = 0. Pohon Keputusan adalah suatu representasi kronologis dari proses pengambilan keputusan. keputusan lainnya akan mengikuti secara berurutan.sesuai dengan alternatif keputusan. Untuk pemahaman lebih lanjut. Node Type Decisions = Square Nodes State of nature = Circle Nodes Cabang yang berasal dari simpul keputusan. Pohon ini terdiri dari node dan cabang. seperti berikut : Decision Tree Construction Branches Data on Branches Keputusan yang Biaya (cost) atau benefit mungkin dibuat pada yang terkait dengan saat ini keputusan tersebut. dan termasuk kemungkinan keadaan yang terjadi. node nya sesuai dengan keadaan tertentu. mari kita perhatikan contoh soal berikut ini : Bill Galen Development Company (BGD) berencana melakukan pengembangan komersial pada properti.000 dollars termasuk fees dan expenses Hanya ada 40% kesempatan bahwa varians akan disetujui. yang akan memungkinkan BGD untuk mengajukan varians. Harga jualnya diperkirakan = $ 950. sewa / tidak menyewa konsultan sekarang.000. Data yang relevan adalah sbb : Harga properti yang diajukan = $ 300.DECISION MODELS keputusan yang terdiri dari beberapa tahapan.000.000 Biaya konstruksi = $ 500.

maka seperti pada gambar berikut Jika perusahaan memutuskan untuk menyewa konsultan: Jika konsultan berprediksi disetujui (a p p r o v e d) : Oleh karena itu. State of Conditional Joint Posterior Probabiliti Nature Probabilities Probabilities Probabilities es . pada titik ini kita perlu menghitung posterior probability untuk persetujuan&penolakan dari aplikasi varians Berikut ini indikator informasi – Prediksi Konsultan Jika Varians disetujui Konsultan berfungsi sebagai sumber untuk informasi tambahan (Approval of Varians) tentang penolakan(denial) atau Prior persetujuan(approval) dari varians. Langkah yang harus dilakukan adalah : membangun Decision trees Jika perusahaan memutuskan untuk tidak menyewa konsultan.DECISION MODELS Jadi.

70 0.20 Variance 0.60 = approved 0. Pada node .20 0.40 0.000) = 6000 Expected Value buying the option 0.40 0.28 0.30 P (consultans predicts approval) Berikut ini indikator informasi – Prediksi Konsultan Jika Varians ditolak (Denial of Varians) Prior State of Conditional Joint Posterior Probabilitie Nature Probabilities Probabilities Probabilities s Variance 0.60 0.000 2.000) = 10.12 / 0.40 0.4(100.60 0.60 0.6(-50.12 0.6(-70. Expected Value adalah jumlah dari hasil perkalian antara branch probabilities dengan ending node values yang sesuai.000) + 0. lihat Pada decision tree kita : node . Varians ditolak.80 P (consultans predicts denial) Untuk mengetahui perbedaan antara menyewa konsultan dengan tidak.60 = denied 0.12 / 0.DECISION MODELS Variance approved Variance denied 0.4(120.40 = 0.: Ecpected Value Do Nothing = 0 Expected Value buying the land 0.48 / 0. BDG kehilangan Expected Return (ER) pada node = [(Probabilitas Varians diapprove)x(ER Varians diapprove)]+ [(Probabilitas Varians ditolak)x(ER Varians ditolak/denied)] Jika BGD tidak menyewa konsultan.12 0.12 / 0.48 0.30 0. maka terdapat 2 branch sbb : 1. menghitung ini Expected Value dengan menggunakan nilai ending node untuk setiap branch di luar node dan probabilitas yang ada pada setiap branch.000 .BDG mendapat $120.70 0. Varians diterima.000) + 0.80 0.40 = 0.branch yang nodenya memiliki nilai akhir tertinggi menunjukkan optimal decision Jika BDG memutuskan untuk membeli property dan applies variance.

25 0.000) = 58. dipilih -5.000 Jika memutuskan menyewa konsultan.8(-55.000)+0. 2 Memainkan permainan di mana Anda menerima kesempatan baik • Payoff tertinggi $ Rmax dengan probabilitas p.000) = -37.6 0.p.85 0.75 0. Expected Return tidak menyewa konsultan = $10. 0.7 Decision Making and Utility Expected Value buying the option Pendekatan Utilitas = 0.2(115.3 0.36 0 0. • Probabilitas ketidakpedulian yang disediakan oleh Tom Payoff Prob.3(-55. dengan data sbb: • Payoff tertinggi adalah $ 500.$ 600. -600 -200 -150 -100 0 0.65 .000 6.000.000)+0.000)+0. U (V).3(-75. • Keputusan optimal adalah salah satu yang memaksimalkan utilitas yang diharapkan.000 Bila ditolak.9 1 keputusan dengan cara koheren. mencerminkan perspektif pengambil keputusan & sikap terhadap risiko.000) = 50. dari : Expected Value Do Nothing = -5.7(115. Hadiah yang lebih tinggi mendapatkan nilai utilitas yang lebih besar.000 • Nilai utilitas. Menentukan Nilai Utilitas • Teknik ini memberikan wawasan dalam melihat jumlah risiko dalam penentuan keputusan yang diambil. Hasil terendah .7(95. dipilih 58.000 Expected Value buying the option 0.DECISION MODELS Jadi.5 60 100 150 200 250 300 500 0.7 0.000 Expected Value adalah dengan Maka. • Konsep ini didasarkan pada preferensi pengambil keputusan untuk mengambil hasil pasti dibandingkan berpartisipasi dalam lotere. • Setiap hasil diberi nilai utilitas. 0.: Bila disetujui.000) • Hal ini diasumsikan bahwa seorang pembuat keputusan mengambil -25.000 dari : Expected Value Do Nothing = 0 Expected Value buying the land 0.8(-75.2(95. atau • Payoff terendah $ Rmin dengan probabilitas 1 .000)+0. keputusan yang di pilihbuying the land menghire consultant. Menentukan Nilai Utilitas TOM BROWN. Ketidakpedulian pendekatan untuk menetapkan nilai utilitas: Misal Anda diberi pilihan memilih salah satu dari dua alternatif berikut: 1 Menerima $ Rij (salah satu nilai hasil) pasti.

6 66 . 66 . 66 .0 66 .keputusan optimal TOM BROWN Utility Ana lysis Large RiseSmall RiseNo ChangeSmall Fall Large Fall 0. 6 66 . 66 . 6 66 6 66 .5 Pa off y 8 4 10 0 0 .8. 2 Risk Taking : Menyukai hasil kesempatan untuk suatu hasil tertentu memiliki nilai sama dengan yang diharapkan 3 Risk Neutral : acuh antara kesempatan & hasil tertentu memiliki nilai RESULTS Crite ria Exp. 6 66 6 66 . 6 6 6 6 Certain Payoff Utility -666 6 -666 0 . 0. 66 .0 0 0 . d atm iliki EVdi t ga ap em an n risk aver d se ecision m aker is w illingto p aprem … ay ium … b h self (herself) out of the to uy im g e-of-ch ce. jikaiapasti.5 CE 1 0 5 20 0 0 . -666 66 . 6 U tility U 0) (2 0 U1 0 (5) E(a e UG m ) U 0) (1 0 T eUilit Cuv f ra h t y reo R A es D cis nM k r isk v r e e io a e Utility U 0) (2 0 U1 0 (5) EUGa e ( m) Th U yCu vefor a e tilit r R A e D cisionM k r isk v rse e ae Th ut yo h vin $ 0o h d… e ilit f a g 15 n an … larg rth nth e p ed uilit is e a e x ect t y of ag ew osee p t dv lu am h x ece a e is also$ 5 .0 0 66 . 66 6 66 . 6 66 6 66 .5 10 5 20 0 0 . 66 . 6 6 66 . Game Theory . Utility De cision Stock Va lue 66 6 . 66 . 66 6 6 Gold Bond Stock C/D Account d6 d6 d6 d6 Probability 66 . en ind erm an p an ya ih p ngd ara kannilai EV. Tiga jenis Pengambil Keputusan 1 Risk Averse : Menyukai hasil tertentu untuk hasil kesempatan memiliki nilai yang sama dengan harapkan. 6 66 . 6 6 66 . 10 U 0) (1 0 Se ng p b ora em uat kepu san m olak tu en m gh ari risiko p ain -kesem at -. 6 66 . 6 6 66 . 6 66 6 . 66 6 66 .0 0 -666 66 .DECISION MODELS Tom ingin menentukan Keputusan investasi yang optimal .0 0 66 . 66 . 6 0 . 66 . 6 66 . EU 66 6 . 6 66 6 . 6 66 .5 Pa yoff 85 sama dengan yang diharapkan 6. am an 10 0 0 . 66 .

Kedua supermarket memiliki 3 wilayah operasi.penekanan iklan yang menjamin kehilangan pasar iklannya. seorang individu (pemain) membuat keputusan dan menerima hasil yang didasarkan pada hasil peristiwa acak nonkompetitif (keadaan alam).Oregon. scissors Each player gets a turn in a given sequence All players make their decisions simultaneously The Town of Gold. terlepas dari fokus iklan Sentry itu.iklan yang akan memaksimalkan mengubah IGA yang diharapkan pangsa pasar terlepas dari tindakan penjaga itu.produksi. Dalam Game Theory.daging.&bahan makanan yang sama.untuk IGA manajer mengubah penekanan iklan itu secara acak. Secara khusus. rock. Sentry memiliki keempat-toko roti.Persentase keuntungan mingguan untuk pangsa pasar IGA sebagai fungsi dari penekanan iklan setiap toko diindikasikan mengikuti hasil. Anda dapat di sana untuk melihat teori keputusan sebagai kasus khusus dari teori permainan di mana pembuat keputusan adalah bermain melawan pihak berkepentingan tunggal (alam) Classification Number of player Two player Multiplayer Total return Zero sum Non zero sum Sequence of moves Sequantial Simultanteous Description Two competitors More than two competitors The amount won by all players does equals the amount lost by all players The amount won by all players does not equal the amount lost by all players Example Chess Poker Poker among friends “house” takes a percentage of each pot Monopoly Paper. dilayani dua supermarket-IGA dan Sentry.dan sebaliknya. Dalam 1 minggu.ia berharap menentukan strategi yang optimal. jika manajer penjaga akan selalu dipilih. dikenal sebagai nilai dari permainan.tiap manajer supermarket harus memutuskan perminggu daerah operasi diskon besar&menyebar selebaran koran ke toko. yang dinotasikan dengan V. Tapi apa proporsi waktu harus menekankan pada daging atau menghasilkan atau belanjaan? X1 = the probability IGA’s advertising focus is on meat X2 = the probability IGA’s advertising focus is in produce X3 = the probability IGA’s advertising focus is on grocerie Para manajer di IGA ingin memaksimalkan mengubah toko diharapkan dalam pangsa pasar.DECISION MODELS Game Theory dapat digunakan untuk menentukan keputusan yang optimal dalam menghadapi pengambilan keputusan lainnya pemain. SOLUSI : Manajer IGA harus memvariasikan penekanan iklan mingguan. bagaimanapun. Dalam teori keputusan.Diasumsikan bahwa keuntungan dalam pangsa pasar untuk IGA akan mengakibatkan kerugian setara dengan pangsa pasar Sentry. Perubahan yang diharapkan. pangsa pasar dari 2 supermarket dipengaruhi oleh kebijakan iklan mereka. imbalannya didasarkan pada tindakan yang diambil oleh individu bersaing yang mencari untuk memaksimalkan laba mereka.manajer Sentry akan selalu dapat memilih penekanan iklan yang menjamin hilangnya pangsa pasar. .Karena manajer IGA tak tahu operasi Sentri mana yang akan ditekankan tiap minggu.

0 -2Y1 + 6Y3 – 4Y4 – V < 0 2Y1 – 7Y2 = Y3 –Y34 – V < 0 Y1. kita melihat bahwa hubungan kondisional berikut ini berlaku untuk Model Sentry: GA’s Advertising Emphasis Meat Produce Groceries Relationship -2y1 – 2y2 + 8Y3 – 6Y4 > .V. karena mewakili perubahan IGA di pangsa pasar terlepas dari tindakan Sentry itu.Karena angka-angka dalam tabel 611 dinyatakan sebagai "keuntungan" dalam pangsa pasar untuk penjaga. Dengan menggunakan alasan yang sama untuk penekanan iklan Sentry pada memproduksi. Mari kita lihat apa pembatasan ditempatkan pada V.Keuntungan" IGA's adalah hilangnya Sentry. dan roti. Jadi. > 0. yang dinotasikan dengan V.DECISION MODELS Mari gunakan pembatasan ditempatkan pada V. 2x1 . maka perubahan yang diharapkan dalam pangsa pasar IGA adalah 2x1 2x2 = 2x3-. Y3.2Y2 + 8Y3 . Jika fokus iklan penjaga adalah pada rata-rata. Perubahan yang diharapkan harus setidaknya V. Mengalikan ekspresi di atas dengan -1.V adalah setara dengan meminimalkan V. bahan makanan.Menggunakan penalaran yang dikembangkan untuk model IGA. The Optimal strategy for Sentry market Y1 Y2 Y3 Y4 = = = = the the the the probability probability probability probability Sentry’s Sentry’s Sentry’s Sentry’s advertising advertising advertising advertising focus focus focus focus is on meat in on produce in on groceries in on bakery Sentry juga ingin memaksimalkan perubahan yang diharapkan dalam pangsa pasar tanpa fokus pada iklan IGA's.2x2 + 2X3> V. dan toko roti.ini setara dengan memaksimalkan . kita dapat menggunakan model pemrograman linier berikut untuk memecahkan strategi penjaga iklan yang optimal: MIN ST V 2Y1 + 2Y2 – 83Y + 6Y3 –V .6Y4 mewakili keuntungan yang diharapkan dalam pangsa pasar jika iklan IGA berfokus pada daging. bahan makanan. maka perubahan yang diharapkan harus setidaknya V. Jadi-2Y1 . kami tiba di hubungan kondisional berikut. kami tiba di hubungan bersyarat: Sentry’s Advertising Emphasis Meat Produce Griceries Bakery Relationship 2X1 – 2X2 + 2X3 > V 2X1 – 7X3 > V -8X1 = 6X2 = X3 > V 6X1 – 4X2 – 3X3 > V Palungan di IGA ingin memaksimalkannya dengan mengubah toko diharapkan sesuai pangsa pasar. v Unrestricted .V -2y1 + 7y2 – Y3 + 3Y4 > V Perhatikan : memaksimalkan . dikenal sebagai nilai dari permainan. Jika fokus iklan Sentry adalah pada daging. terlepas dari fokus iklan penjaga itu. Y2. karena V mewakili Perubahan IGA di pangsa pasar terlepas dari penekanan iklan penjaga pada produk. Y4.V 2Y1 63Y + 4Y4 > . Perubahan yang diharapkan.

dan toko roti 1 / 3 dari waktu.DECISION MODELS Memecahkan model ini menggunakan excel akan menunjukkan fokus iklan yang Sentry seharusnya 1 / 3 dari waktu. . Namun. nilai-nilai adalah negatif dari waktu. belanjaan 1 / 3 dari waktu.

Sign up to vote on this title
UsefulNot useful