Apa itu analisis pohon keputusan (dan pohon keputusan mana yang kita maksud)
Cari 'pohon keputusan' hari ini dan sebagian besar yang Anda temukan adalah algoritma pembelajaran mesin — sebuah pengklasifikasi yang membagi data berdasarkan fitur. Halaman ini adalah tentang alat manusia yang lebih tua: pohon analisis keputusan, teknik yang dikodifikasikan dalam Howard Raiffa's Decision Analysis (1968) dan tradisi analisis keputusan Harvard/Stanford, untuk mempertimbangkan pilihan di bawah ketidakpastian.
Tata bahasanya kecil. Node keputusan (digambar sebagai kotak) adalah titik di mana Anda memilih. Node peluang (lingkaran) adalah titik di mana dunia memilih — persetujuan datang atau tidak, permintaan tinggi atau rendah — setiap cabang membawa probabilitas yang Anda perkirakan. Node terminal (daun) membawa hasil dari berakhir di sana. Waktu mengalir dari kiri ke kanan: komitmen pertama terlebih dahulu, konsekuensi hilir setelahnya.
Analisis adalah rollback: dimulai dari daun dan bekerja mundur, setiap node peluang menyusut menjadi rata-rata berbobot probabilitasnya, setiap node keputusan ke cabang terbaik yang tersedia — karena ketika Anda sampai di sana, Anda akan memilih cabang terbaik. Apa yang sampai di akar adalah nilai yang diharapkan dari setiap opsi awal, dan sering kali sesuatu yang lebih berguna: penemuan bahwa strategi bertahap ('pilot terlebih dahulu, lalu putuskan') mendominasi baik komitmen berani maupun tidak melakukan apa-apa. Di mana ia berada dalam kotak alat: model pengambilan keputusan; untuk versi statis dari pertanyaan uang lihat analisis biaya-manfaat.
Kapan menggunakannya — dan kapan tidak menggunakannya
Pohon keputusan mendapatkan manfaatnya ketika:
- ✓Keputusan itu bersifat berurutan. Pilihan sekarang membuka atau menutup pilihan di kemudian hari — pilot, investasi bertahap, struktur opsi untuk memperluas. Ini adalah wilayah rumah pohon, dan inilah yang tidak dapat dilihat oleh perbandingan datar.
- ✓Ketidakpastian bersifat diskrit dan dapat diestimasi. Persetujuan regulasi, penutupan kesepakatan, tonggak teknis — peristiwa yang dapat Anda berikan rentang probabilitas dengan jujur.
- ✓Anda mencurigai informasi memiliki nilai. Pohon menghargai cabang 'jalankan studi terlebih dahulu' — nilai yang diharapkan dari membeli pengetahuan sebelum berkomitmen, salah satu kontribusi mendalam yang benar-benar dari analisis keputusan.
Dan di mana mereka menyesatkan:
- ✗Taruhan yang menentukan perusahaan. Nilai yang diharapkan adalah kriteria yang tepat untuk keputusan yang dapat diulang; untuk taruhan bertahan hidup sekali, peluang 10% untuk kebangkrutan tidak dapat diimbangi oleh rata-rata yang menggiurkan. Sikap terhadap risiko harus dimasukkan dalam analisis, dan EV naif mengabaikannya.
- ✗Probabilitas yang tidak bisa dipertahankan oleh siapa pun. Output pohon mewarisi kualitas dari estimasinya; 0,6 yang dimasukkan ke dalam cabang adalah sebuah klaim, dan jika tidak ada yang bisa menjelaskan mengapa, aritmetika adalah teater. (Ini adalah koneksi pohon argumen di bawah.)
- ✗Ledakan kombinatorial. Memodelkan setiap ketidakpastian dan pohon menjadi tidak terbaca. Keterampilannya adalah memilih dua atau tiga ketidakpastian yang benar-benar mempengaruhi keputusan.
- ✗Ambiguitas mendalam. Ketika Anda bahkan tidak dapat menghitung hasilnya, probabilitasnya terlalu dini — itu adalah wilayah perencanaan skenario.
Langkah demi langkah, dengan contoh yang dikerjakan
Skenario ilustratif: sebuah startup alat bioteknologi yang diinventarisasi memutuskan apakah akan meluncurkan produknya sekarang atau menjalankan studi sertifikasi terlebih dahulu. Prosedur:
- 1Rumuskan keputusan utama. Tiga cabang dari kotak pertama: luncurkan sekarang; jalankan studi sertifikasi terlebih dahulu (satu tahun, dengan biaya); tunda produk.
- 2Peta ketidakpastian per cabang. Luncurkan sekarang → node peluang: pasar menerima produk yang tidak bersertifikat (diperkirakan 40%) atau menolaknya (60%). Studi terlebih dahulu → node peluang: sertifikasi diberikan (70%) atau ditolak (30%); jika diberikan, kotak keputusan lebih lanjut: luncurkan yang bersertifikat (penerimaan lebih tinggi, diperkirakan 80%) atau lisensikan teknologi tersebut.
- 3Lampirkan pembayaran di daun. Setiap keadaan akhir mendapatkan nilai: keberhasilan peluncuran bersertifikat adalah pembayaran besar; peluncuran tidak bersertifikat yang gagal adalah kerugian ditambah kerusakan reputasi (biaya secara eksplisit); penundaan adalah nol dikurangi pengembangan yang sudah terbuang.
- 4Gulung kembali. Rata-rata setiap node peluang berdasarkan probabilitasnya; di setiap kotak keputusan, simpan cabang terbaik. Misalkan angka-angka membuat studi terlebih dahulu lebih berharga daripada meluncurkan sekarang meskipun ada penundaan setahun — dorongan sertifikasi untuk penerimaan lebih dari cukup untuk membayar waktu tunggu.
- 5Tekankan estimasi. Pada probabilitas penerimaan berapa peluncuran sekarang menang? Jika jawabannya adalah 55% dan rentang jujur Anda adalah 30–50%, kesimpulannya adalah kuat; jika titik balik berada di tengah rentang, keputusan bergantung pada sebuah estimasi — dan estimasi itu layak mendapatkan perhatian dari langkah 6.
- 6Interogasi angka-angka yang menopang beban. Perkiraan sertifikasi 70% berasal dari suatu tempat — persetujuan yang sebanding? penilaian penasihat? Buat dasar tersebut eksplisit dan dapat dipertanyakan sebelum aritmatika dipercaya.
Pohon keputusan dan pohon argumen — pelengkap, bukan saingan
Nama-nama tersebut mengundang kebingungan, jadi berikut adalah pemisahan yang jelas. Sebuah pohon keputusan menghitung: mengingat probabilitas dan hasil ini, strategi mana yang paling berharga? Sebuah pohon argumen beralasan: apakah probabilitas dan hasil ini sebenarnya dapat dipercaya? Dalam istilah kualitas keputusan, pohon keputusan menyusun alternatif (termasuk yang tidak terlihat dalam analisis datar yang terstaging) dan informasi (perkiraan yang dibuat eksplisit); pohon argumen menyediakan alasan yang kuat tentang tepatnya input-input tersebut:
Setiap probabilitas → sebuah klaim
"Sertifikasi berhasil dengan kemungkinan ~70%" menjadi argumen yang membawa dasarnya — persetujuan yang sebanding, pandangan penasihat — dengan tantangan dan dukungan yang terlampir, serta penilaian yang mencerminkan pengawasan kelompok.
Setiap pembayaran → sebuah mini-kasus
Nilai daun keberhasilan besar adalah sebuah ramalan; asumsi-asumsinya (harga, tingkat adopsi) menjadi sub-argumen yang bisa diserang seseorang sebelum angka tersebut melakukan tugasnya.
Strategi yang direkomendasikan → klaim utama
"Jalankan studi terlebih dahulu" berada di akar dengan rollback sebagai bukti utama — dan titik flip sensitivitas sebagai pertanyaan terbuka yang disebutkan.
Perkiraan bergerak → pembaruan pohon
Ketika penasihat merevisi peluang persetujuan, klaim diperbarui, rollback dihitung ulang, dan dukungan yang terlihat dari rekomendasi bergeser — tidak ada spreadsheet yang usang.
Pohon keputusan melakukan perhitungan; pohon argumen mendapatkan masukan. Jalankan angka di tempat yang bisa dipertanyakan — lihat kualitas keputusan untuk alasan mengapa tautan penalaran adalah yang tidak disediakan oleh kerangka kerja mana pun.
Pohon keputusan vs alternatifnya
| Jika pertanyaan Anda adalah… | Jangkau untuk | Mengapa tidak menggunakan pohon keputusan |
|---|---|---|
| Perbandingan satu kali, ketidakpastian kecil | Analisis biaya-manfaat | Mesin pohon tidak ada artinya tanpa cabang. |
| Fleksibilitas itu sendiri adalah nilai — tunggu, panggung, tinggalkan | Pemikiran opsi nyata | Logika opsi memperluas pohon dengan pembingkaian harga pasar |
| Hasil tidak dapat dihitung, apalagi diprobabilitaskan. | Perencanaan skenario | Probabilitas tentang masa depan yang tidak dapat diketahui adalah penghiburan yang salah. |
| Diskon dari pembayaran yang jauh adalah inti masalah. | NPV & IRR: batasan-batasan | Pohon mewarisi setiap keputusan pengurangan diskon. |