Inilah Kita | Bayangkan jika seorang manajer pemasaran yang harus memilih apakah produk baru perusahaannya akan dirilis bulan depan atau tidak. Meskipun penelitian pasar telah dilakukan, mereka tidak dapat memastikan apakah produk tersebut akan diterima oleh pelanggan atau justru akan gagal di pasaran. Situasi seperti ini sering terjadi di dunia bisnis. Ilmu pengambilan keputusan (decision theory) menjadi penting ketika manajer harus membuat keputusan penting tanpa informasi yang cukup.
Setiap keputusan bisnis didasarkan pada salah satu dari tiga wajah informasi: kepastian, risiko, atau ketidakpastian. Dalam situasi kepastian, setiap keputusan yang dibuat dan hasilnya sudah jelas. Ini termasuk menghitung biaya produksi, yang angkanya sudah pasti diketahui sejak awal.Pada situasi risiko, hasil dari keputusan tidak tunggal, tetapi setidaknya kemungkinan-kemungkinan itu sudah dapat diprediksi misalnya, ada kemungkinan 70% produk baru akan diterima pasar dan 30% akan gagal. Kondisi paling sulit adalah ketidakpastian, di mana hasil yang mungkin terjadi memang dapat diprediksi, tetapi tidak ada cara untuk menentukan kemungkinan masing-masing.
Dua kondisi terakhir adalah sumber sebagian besar keputusan strategis perusahaan. Dalam situasi seperti ini, pohon keputusan dan berbagai kriteria pengambilan keputusan menjadi alat yang berharga.
Pohon Keputusan: Memetakan Pilihan secara Visual
Pohon keputusan adalah representasi grafis dari proses pengambilan keputusan yang menampilkan pilihan yang tersedia, kemungkinan kondisi yang akan terjadi, dan hasil atau konsekuensi dari kombinasi dari keduanya. Strukturnya sederhana: ada titik keputusan, di mana manajer memutuskan antara beberapa pilihan, dan titik kemungkinan, di mana kondisi di luar kendali manajer, seperti reaksi pasar atau hasil produksi, dapat terjadi.
Keunggulan pohon keputusan terletak pada kemampuannya untuk menyederhanakan masalah yang rumit menjadi kumpulan pilihan yang lebih mudah dipahami secara bertahap. Setiap cabang pohon mewakili satu pilihan, dan setiap ujung menunjukkan hasil akhirnya. Pohon keputusan membantu manajer melihat masalah secara keseluruhan, bukan hanya sebagian. Ini karena bentuknya yang visual.
Namun, alat ini memiliki keterbatasan. Pohon yang dirancang sangat mempengaruhi kualitas keputusan yang dihasilkan. Hasil analisis juga bias jika alternatif atau kemungkinan yang relevan terlewat saat menyusun pohon. Akibatnya, langkah pertama yang paling penting bukanlah menghitung; sebaliknya, itu memastikan bahwa semua pilihan dan kemungkinan yang mungkin telah dipertimbangkan.
EMV: Mengubah Probabilitas Menjadi Angka Keputusan
Setelah menciptakan pohon keputusan, langkah berikutnya adalah menghitung nilai yang diharapkan dari setiap pilihan yang telah dibuat. Ini adalah tempat konsep Expected MonetaryValue (EMV) bekerja. EMV adalah nilai rata-rata yang diharapkan dari suatu pilihan yang dihitung dengan mengalikan setiap kemungkinan hasil dengan probabilitas terjadinya, lalu menjumlahkan semuanya. Logikanya sederhana: manajer menghitung “rata-rata tertimbang” dari semua hasil yang mungkin, berdasarkan bobot kemungkinan, daripada menebak mana yang akan terjadi.
Sebagai gambaran, anggap sebuah perusahaan sedang menimbang dua pilihan investasi. ProyekA punya peluang sukses 20% dengan keuntungan Rp50 juta, dan peluang gagal 80% denganhasil nol. Proyek B punya peluang sukses 45% dengan keuntungan Rp10 juta, dan peluang gagal55% dengan hasil nol.
EMV Proyek A = (0,20 × Rp50 juta) + (0,80 × Rp0) = Rp10 juta
EMV Proyek B = (0,45 × Rp10 juta) + (0,55 × Rp0) = Rp4,5 juta
Karena besarnya potensi keuntungan saat berhasil mengungguli kemungkinan kecilnya, ProyekA justru menghasilkan nilai harapan yang lebih tinggi meskipun kemungkinan suksesnya jauhlebih kecil. Kekuatan EMV adalah bahwa ia menilai keputusan berdasarkan kombinasi besarhasil dan besar kemungkinan daripada hanya “kemungkinan menang“. Banyak keputusankehidupan nyata, seperti memilih desain produk, jenis mesin produksi, dan strategi bisnis untukmasa depan, dapat dibandingkan dengan logika serupa.
Ketika Probabilitas Tidak Tersedia: Tiga Karakter Pengambil Keputusan
Masalahnya adalah bahwa situasi bisnis tidak selalu menyediakan data potensial yang siap pakai. Kadang –kadang manajer tidak memiliki informasi yang cukup untuk menilai kemungkinansituasi tertentu akan terjadi. Dalam situasi seperti ini, tiga standar keputusan klasik seringdigunakan, dan masing-masing menunjukkan cara atau pendekatan yang berbeda untuk berpikir.
Kriteria pertama adalah maximin, pendekatan yang konservatif dan cenderung pesimistis. Pengambil keputusan dengan gaya ini akan melihat hasil terburuk dari setiap alternatif, lalumemilih alternatif yang hasil terburuknya paling baik di antara yang lain. Filosofinya bersiapuntuk skenario paling buruk, lalu pilih yang “paling tidak buruk“. Untuk kasus biaya, pendekatanserupa disebut minimax, yaitu memilih alternatif dengan biaya maksimum paling rendah.
Kriteria kedua adalah kebalikannya, yaitu maximax, pendekatan optimistis yang berfokus pada hasil terbaik yang mungkin dicapai. Pengambil keputusan tipe ini melihat hasil terbaik dari setiapalternatif, kemudian memilih alternatif dengan hasil terbaik yang paling menggiurkan, tanpaterlalu mempedulikan risiko kegagalannya. Untuk biaya, pendekatan serupa disebut minimin.
Kriteria ketiga adalah minimax regret, yang berangkat dari sudut pandang berbeda penyesalan. Pendekatan ini berusaha meminimalkan kerugian maksimum yang mungkin dirasakan akibatmemilih alternatif yang ternyata bukan yang terbaik, dibandingkan dengan keputusan yang seharusnya diambil jika kondisi sebenarnya sudah diketahui sejak awal. Dengan kata lain, pengambil keputusan bertanya, “Seandainya saya salah pilih, alternatif mana yang membuatpenyesalan saya paling kecil?”
Yang menarik adalah bahwa ketiga kriteria ini dapat menghasilkan hasil yang berbeda tentangmasalah yang sama. Ini bukan karena satu kriteria salah dan yang lain benar; itu karena masing-masing didasarkan pada perspektif hidup yang berbeda tentang risiko. Seorang wirausahawanyang berani mengambil risiko besar untuk peluang besar mungkin lebih condong ke maximax. Tidak ada jawaban universal karena ada pilihan yang paling sesuai dengan situasi dan keberanianmengambil risiko dari si pengambil keputusan.
Pada akhirnya, teori keputusan baik melalui pohon keputusan, EMV, maupun tiga kriteria di atastidak dimaksudkan untuk meramal masa depan dengan pasti. Alat-alat ini dibuat untukmembantu orang berpikir lebih sistematis dalam situasi di mana pengetahuan mereka terbatas. Pohon keputusan memberikan gambaran lengkap tentang opsi yang tersedia, sedangkan EMV menawarkan cara untuk menghitung nilai harapan ketika mungkin. Selain itu, ketiga kriteriaklasik menawarkan kerangka berpikir dalam situasi di mana probabilitas itu sendiri tidakdiketahui.
Dunia bisnis tidak pernah benar-benar memberikan keyakinan yang lengkap. Ketika manajermemutuskan untuk menggunakan kerangka berpikir yang paling jujur terhadap kondisi yang mereka hadapi, mereka dapat membuat keputusan yang baik, bukan yang sempurna.
