Ada beberapa model normatif untuk pengambilan keputusan individu yang berbeda dalam hal penekanan dan kompleksitasnya. Model yang akan kami sajikan secara rinci adalah model yang telah digunakan dengan sukses besar dalam mempelajari karakteristik dasar pengambilan keputusan. Ini juga memberikan kerangka kerja konseptual yang bagus untuk melihat dan menghargai proses pengambilan keputusan.
1. Model Lensa Brunswik:
Salah satu cara untuk melihat keputusan yang dibuat orang dan bagaimana mereka membuatnya adalah melalui Model Lensa Brunswik (1956). Diagram Model Lensa ditunjukkan pada Gambar 15.3.
Model ini mengasumsikan proses pengambilan keputusan terdiri dari tiga elemen penting:
(1) Informasi dasar dalam situasi pengambilan keputusan,
(2) Keputusan yang sebenarnya dibuat oleh pengambil keputusan, dan
(3) Keputusan optimal atau benar yang seharusnya dibuat dalam situasi tertentu.
Masing-masing ditunjukkan pada Gambar 15.3.
Informasi dasar:
Setiap kali seseorang membuat keputusan, dia memiliki sejumlah isyarat atau indikator yang mungkin atau tidak mungkin dia gunakan sebagai alat bantu dalam proses. Sebagai contoh, seorang eksekutif dihadapkan setiap bulan dengan masalah mencoba memutuskan berapa banyak unit produk X yang akan diproduksi. Jelas ada berbagai variabel keputusan yang berpotensi dia gunakan untuk membantunya membuat keputusan yang baik, seperti inventaris saat ini, pesanan saat ini, indikator pasar umum, saran dari bawahan langsungnya, dll. Ini adalah variabel isyarat potensial ditunjukkan pada Gambar 15.3.
Keputusan yang Diamati:
Tentu saja, setiap proses pengambilan keputusan harus diakhiri dengan semacam tanggapan—bahkan jika tanggapan tersebut hanyalah keputusan untuk tidak membuat tanggapan, mungkin aman untuk mengatakan bahwa tanggapan semacam itu telah dibuat. Pengambilan keputusan selalu melibatkan pilihan tindakan. Jadi “perilaku keputusan” dan “perilaku pilihan” benar-benar merupakan fenomena yang tidak dapat dibedakan. Kotak di sisi kanan Gambar 15.3 mewakili rangkaian tindakan yang akhirnya dilakukan sendiri oleh pembuat keputusan.
Keputusan yang benar:
Sama seperti ada tindakan yang diamati pada bagian dari pembuat keputusan, demikian juga ada tanggapan atau pilihan optimal yang terkait dengan keputusan apa pun. Keputusan optimal ini mewakili pilihan tindakan terbaik yang mungkin bisa dipilih oleh pembuat keputusan dalam situasi tertentu. Dalam arti yang sangat nyata itu merupakan kriteria utama terhadap mana keputusan yang sebenarnya harus dievaluasi.
Dalam banyak situasi pengambilan keputusan, sulit untuk benar-benar menentukan atau mengetahui apa keputusan optimal ini atau pada waktu tertentu. Namun , setidaknya dalam teori, respon optimal dari pihak pembuat keputusan selalu ada. Pada Gambar 15.3 nilai ini ditunjukkan pada kotak di sebelah kiri sebagai keputusan yang “benar”.
Dinamika model:
Setelah mendefinisikan bahan-bahan penting dari model, sekarang menjadi mungkin untuk memeriksa hubungan timbal balik antara elemen-elemen ini. Keterkaitan ini memberi kita indikasi kompleksitas dan karakteristik dinamis dari proses pengambilan keputusan.
Validitas Isyarat Sejati Nilai sebenarnya dari setiap isyarat tunggal yang tersedia bagi pembuat keputusan diwakili oleh “kekuatan” diagnostik atau prediktif dari isyarat tersebut. Dengan kata lain, seberapa membantu memiliki isyarat yang tersedia selama proses pengambilan keputusan. Korelasi antara isyarat dan keputusan yang benar, yaitu validitas isyarat yang benar, adalah indeks yang mewakili kekuatan prediksi ini.
Misalnya, ambil lagi kasus eksekutif kita yang terus-menerus dihadapkan pada masalah pengambilan keputusan berapa unit produk X yang harus diproduksinya setiap bulan. Satu isyarat yang mungkin akan dia gunakan adalah ukuran inventarisnya saat ini. Anggap juga bahwa dalam melihat kembali catatan tahun lalu, dimungkinkan untuk menentukan, selama setiap bulan, jumlah unit X yang seharusnya diproduksi. Tabel 15.1 memberikan contoh hipotesis yang menunjukkan, untuk setiap bulan pada tahun 1966,
(a) Ukuran persediaan saat ini,
(b) Jumlah X unit yang diputuskan oleh eksekutif kami untuk diproduksi, dan
(c) Jumlah X unit yang seharusnya diproduksi bulan itu.
Jika kita memplot korelasi antara kolom (a) dan (c) seperti yang ditunjukkan pada Gambar 15.4 kita menemukan bahwa kecenderungan nilai persediaan yang rendah berhubungan dengan tingginya jumlah unit yang harus diproduksi. Memang, korelasi antara (a) dan (c) minus 0.869! Ini memberitahu kita bahwa ukuran persediaan saat ini sangat, tetapi berhubungan negatif, dengan jumlah unit yang dibutuhkan. Dengan kata lain, ini adalah isyarat yang sangat baik — isyarat yang harus diperhatikan oleh pembuat keputusan dengan sangat hati-hati.
Validitas Isyarat Teramati Pertanyaan berikutnya yang mungkin kita tanyakan tentang proses pengambilan keputusan adalah “Seberapa baik, atau sejauh mana, pembuat keputusan menggunakan isyarat yang diberikan? Itu diberi isyarat yang tersedia baginya, apakah dia cenderung menggunakannya? Hal ini dapat ditentukan dengan memeriksa korelasi antara nilai isyarat dan apa yang sebenarnya dilakukan oleh pembuat keputusan atas sejumlah keputusan, yaitu kolom (a) dan (b) pada Tabel 15.1. Korelasi ini juga diplot pada Gambar 15.4, di mana kita dapat melihatnya memiliki nilai 0,377. Dengan demikian, eksekutif kami tampaknya menggunakan isyarat, tetapi tidak pada tingkat yang seharusnya digunakan (setidaknya dia memiliki arah hubungan yang sebenarnya diperkirakan dengan benar).
Prestasi Pembuat Keputusan:
Pertanyaan ketiga dan mungkin yang paling relevan yang harus kita ajukan adalah pertanyaan tentang seberapa baik pembuat keputusan melaksanakan tugasnya. Apakah dia memiliki tingkat pencapaian yang tinggi sejauh keputusan yang dia buat sebenarnya dekat dengan keputusan yang, jika dipikir-pikir, seharusnya dibuat? Hal ini dapat ditentukan dengan melihat derajat korelasi antara kolom (b) dan (c) pada Tabel 15.1.
Korelasi antara jumlah unit yang eksekutif putuskan untuk diproduksi (kolom b) dan jumlah yang seharusnya ia putuskan untuk diproduksi ( kolom c) ternyata dalam ilustrasi kami adalah 0,165—pencapaian yang tidak terlalu baik menurut standar apa pun. Pembuat keputusan kami jelas tidak melakukannya sebaik mungkin dengan isyarat yang bisa sangat membantunya dalam keadaan khusus ini.
Hasil penelitian:
Model Lensa pada dasarnya adalah konseptualisasi deskriptif dari proses pengambilan keputusan manusia yang menyediakan sejumlah indeks matematis yang dengannya kita dapat mempelajari proses pengambilan keputusan pada manusia. Sebagian besar penelitian berdasarkan model ini merupakan penelitian laboratorium yang agak abstrak—belum diterapkan dalam banyak pengaturan tugas yang realistis. Namun, temuan penelitian telah menunjukkan beberapa hal yang cukup menarik tentang kemampuan orang untuk menggunakan isyarat dalam situasi pengambilan keputusan, sehingga ringkasan singkat dari temuan ini akan diberikan.
Pertama sejumlah penelitian (Schenck dan Naylor, 1965, 1966; Dudycha dan Naylor 1966; Summers, 1962; dan Peterson, Hammond, dan Summers, 1966) semuanya menunjukkan bahwa pembuat keputusan dapat belajar menggunakan isyarat dengan tepat. Artinya, mereka cenderung mempelajari isyarat mana yang baik dan mana yang buruk dan memberi isyarat yang baik lebih banyak perhatian daripada isyarat yang buruk.
Namun, studi Dudycha-Naylor menunjukkan temuan yang sangat menarik bahwa jika pembuat keputusan memiliki isyarat yang sangat baik dan kemudian Anda memberinya isyarat kedua yang lebih buruk tetapi masih memiliki beberapa nilai prediksi tambahan, kinerjanya akan menurun—hasil pencapaian yang lebih buruk. daripada jika dia hanya memiliki satu isyarat! Rupanya isyarat yang buruk menambahkan lebih banyak statis atau “kebisingan” ke proses pengambilan keputusan daripada menambah nilai prediktif. Di sisi lain, jika isyarat awal hanya rata-rata dalam kekuatan prediktifnya dan Anda memberikan isyarat kedua yang sangat bagus kepada pembuat keputusan, kinerjanya meningkat secara nyata.
Temuan menarik lainnya baru-baru ini dilaporkan oleh Clark (1966). Dia menunjukkan bahwa isyarat dengan validitas negatif tidak berguna bagi pembuat keputusan seperti halnya isyarat yang memiliki hubungan langsung atau positif. Untuk beberapa alasan manusia tampaknya lebih sulit belajar menggunakan sumber informasi sebagai alat bantu yang memberikan validitas negatif. Pembaca akan ingat bahwa untuk tujuan prediktif, tanda hubungan tidak penting, yaitu, isyarat dengan validitas – 0,80 sama bermanfaatnya, berpotensi, dengan isyarat yang memiliki validitas + 0,80.
Informasi lain yang diperoleh tentang manusia pengambil keputusan dengan menggunakan model lensa adalah (1) manusia lebih baik belajar menggunakan isyarat yang memiliki hubungan linier untuk keputusan yang benar daripada menggunakan isyarat yang memiliki hubungan non linier (Dickinson dan Naylor , 1966; Hammond dan Summers, 1965) dan (2) manusia cenderung menggunakan isyarat secara sistematis bahkan ketika isyarat mungkin tidak memiliki kekuatan prediksi yang nyata sama sekali (Dudycha dan Naylor, 1966). Temuan terakhir ini berarti bahwa jika pembuat keputusan ditempatkan dalam situasi di mana tidak ada isyarat yang tersedia baginya yang berharga, dia akan tetap cenderung untuk memilih dan menggunakan beberapa dari mereka seolah-olah mereka memiliki nilai.
2. Model Pengambilan Keputusan Bayes:
Model matematika lain yang saat ini semakin banyak digunakan dalam studi pengambilan keputusan manusia dikenal sebagai Teorema Bayes.
Ini adalah sebagai berikut:
P(A|B) = P(B|A) P(A) / P(B|A)P(A) +P(B|Ä€)P(Ä€)
Dimana P (A|B) = probabilitas A mengingat bahwa B telah terjadi
P(B|A) = probabilitas B mengingat A telah terjadi
P(A) = probabilitas A
P(Ä€) = probabilitas bukan A, yaitu, 1 – A
P(B|Ä€) = probabilitas B diberikan bukan A
Karena ekspresi seperti Teorema Bayes sering cenderung membingungkan, mari kita perhatikan contoh tugas keputusan praktis dan lihat bagaimana Model Bayes dapat diterapkan.
Salah satu jenis tugas pengambilan keputusan yang dihadapi oleh semua perusahaan adalah memutuskan siapa yang dipilih dan siapa yang ditolak dari kumpulan pelamar kerja. Pertimbangkan situasi di mana perusahaan telah memutuskan untuk mencoba tes seleksi baru. Pertimbangkan lebih lanjut bahwa pengalaman menunjukkan bahwa hanya 60 persen dari karyawan yang melamar benar-benar memuaskan. Juga misalkan praktik perusahaan di masa lalu adalah mempekerjakan semua orang dan memberi mereka kesempatan untuk bekerja.
Di antara laki-laki yang ternyata memuaskan, 80 persen ditemukan berada di atas nilai ambang batas pada tes seleksi baru, sementara hanya 40 persen dari mereka yang ternyata memiliki nilai tidak memuaskan di atas ambang batas. Sekarang, jika kita menggunakan tes ini untuk seleksi, dan jika kita hanya mempekerjakan orang-orang tersebut di atas nilai ambang batas, berapa probabilitas bahwa orang di atas batas batas tersebut ternyata memuaskan?
Jika sekarang kita mendefinisikan simbol kita lagi, kita memiliki:
P(A) = probabilitas berhasil = 0,60
P(B) = peluang lulus ujian
P(B|A) = probabilitas lulus tes jika karyawan berhasil = 0,80
P(B|Ä€) = peluang lulus ujian jika karyawan tidak lulus = 0,40
P(B|A) = probabilitas tidak lulus ujian jika karyawan berhasil = 0,20
P(B|A) = peluang tidak lulus ujian jika karyawan tidak lulus = 0,60
Kita ingin mengetahui P(A|B), yaitu probabilitas seseorang akan berhasil jika dia lulus ujian.
Teorema Bayes menunjukkan:
P(A|B)= (0,80) (0,60) / (0,80) (0,60) + (0,40) (0,40)
= 0,48 / 0,48 + 0,16 = 0,75
Dengan kata lain, jika kita memilih hanya mereka yang lulus tes penyaringan kita, kita akan mendapatkan 75 persen keberhasilan dalam perekrutan, dibandingkan dengan angka 60 persen tanpa tes. Penerapan Teorema Bayes untuk pengambilan keputusan di industri menjadi lebih sering. Ini adalah alat yang sangat kuat dan penggunaannya harus meningkat pesat di tahun-tahun mendatang.
