Apa itu analisis pohon keputusan? 5 langkah mengambil keputusan yang lebih baik

Pernahkah Anda mengambil keputusan dengan mengetahui bahwa pilihan Anda akan berdampak besar? Jika pernah, Anda tahu bahwa sangat sulit untuk menentukan tindakan terbaik saat tidak yakin dengan hasilnya. 

Analisis pohon keputusan dapat membantu Anda memvisualisasikan dampak keputusan yang akan diambil sehingga Anda dapat menemukan tindakan terbaik. Dalam artikel ini, kami akan menunjukkan cara membuat pohon keputusan sehingga Anda dapat menggunakannya di seluruh proses manajemen proyek.

Apa itu pohon keputusan?

Pohon keputusan adalah bagan alir yang dimulai dengan satu ide utama, lalu bercabang berdasarkan konsekuensi keputusan Anda. Ini disebut "pohon keputusan" karena modelnya biasanya terlihat seperti pohon dengan cabang. 

Pohon ini digunakan untuk analisis pohon keputusan, yang meliputi menguraikan secara visual potensi hasil, biaya, dan konsekuensi dari keputusan yang kompleks. Anda dapat menggunakan pohon keputusan untuk menghitung nilai yang diharapkan dari setiap hasil berdasarkan keputusan dan konsekuensi yang mengarah ke sana. Kemudian, dengan membandingkan hasil satu sama lain, Anda dapat dengan cepat menilai tindakan terbaik. Anda juga dapat menggunakan pohon keputusan untuk memecahkan masalah, mengelola biaya, dan mengungkap peluang. 

Simbol pohon keputusan

Pohon keputusan mencakup simbol berikut:

• Cabang alternatif: Cabang alternatif adalah dua garis yang bercabang dari satu keputusan pada pohon keputusan Anda. Cabang-cabang ini menunjukkan dua hasil atau keputusan yang berasal dari keputusan awal pada pohon Anda.

• Node keputusan: Node keputusan berbentuk persegi dan merepresentasikan keputusan yang diambil pada pohon Anda. Setiap pohon keputusan dimulai dengan simpul keputusan. 

• Simpul peluang: Simpul peluang adalah lingkaran yang menunjukkan beberapa kemungkinan hasil.

• Node akhir: Node akhir adalah segitiga yang menunjukkan hasil akhir.

Analisis pohon keputusan menggabungkan simbol-simbol ini dengan catatan yang menjelaskan keputusan dan hasil Anda, serta nilai-nilai yang relevan untuk menjelaskan keuntungan atau kerugian Anda. Anda dapat menggambar pohon keputusan secara manual atau menggunakan alat bagan alir untuk memetakan pohon secara digital. 

Apa kegunaan analisis pohon keputusan?

Anda dapat menggunakan analisis pohon keputusan untuk mengambil keputusan di banyak bidang, termasuk operasi, perencanaan anggaran, dan manajemen proyek. Jika memungkinkan, sertakan data kuantitatif dan angka untuk membuat pohon yang efektif. Makin banyak data yang Anda miliki, makin mudah Anda menentukan nilai yang diharapkan dan menganalisis solusi berdasarkan angka. 

Misalnya, jika Anda mencoba menentukan proyek mana yang paling hemat biaya, Anda dapat menggunakan pohon keputusan untuk menganalisis hasil potensial setiap proyek dan memilih proyek yang kemungkinan besar akan menghasilkan pendapatan tertinggi. 

Cara membuat pohon keputusan

Ikuti lima langkah berikut untuk membuat diagram pohon keputusan guna menganalisis hasil yang tidak pasti dan mencapai solusi yang paling logis. 

1. Mulai dengan ide Anda

Mulailah diagram Anda dengan satu ide atau keputusan utama. Anda akan memulai pohon dengan simpul keputusan sebelum menambahkan cabang tunggal ke berbagai keputusan yang akan Anda tentukan.

Misalnya, jika Anda ingin membuat app tetapi tidak dapat memutuskan apakah akan membuat yang baru atau meningkatkan yang sudah ada, gunakan pohon keputusan untuk menilai kemungkinan hasil masing-masing. 

Dalam hal ini, simpul keputusan awal adalah: 

• Buat app

Tiga opsi—atau cabang—yang Anda putuskan adalah: 

• Membuat app penjadwalan baru

• Meningkatkan app penjadwalan yang ada

• Membuat app produktivitas tim

2. Tambahkan simpul peluang dan keputusan

Setelah menambahkan ide utama ke pohon, lanjutkan menambahkan simpul peluang atau keputusan setelah setiap keputusan untuk memperluas pohon lebih lanjut. Simpul peluang mungkin memerlukan cabang alternatif setelahnya karena mungkin ada lebih dari satu hasil potensial untuk memilih keputusan itu. 

Misalnya, jika Anda memutuskan untuk membuat app penjadwalan baru, ada peluang pendapatan Anda dari app tersebut akan besar jika berhasil dengan pelanggan. Ada juga peluang app tidak akan berhasil, yang dapat menghasilkan pendapatan kecil. Pemetaan kedua hasil potensial dalam pohon keputusan Anda adalah kuncinya. 

3. Perluas hingga Anda mencapai titik akhir

Terus tambahkan simpul peluang dan keputusan ke pohon keputusan hingga Anda tidak dapat memperluas pohon lebih lanjut. Pada titik ini, tambahkan simpul akhir ke pohon Anda untuk menandakan penyelesaian proses pembuatan pohon. 

Setelah pohon selesai, Anda dapat mulai menganalisis setiap keputusan. 

4. Hitung nilai pohon

Idealnya, pohon keputusan Anda akan memiliki data kuantitatif yang terkait dengannya. Data yang paling umum digunakan dalam pohon keputusan adalah nilai moneter. 

Misalnya, perusahaan Anda akan mengeluarkan sejumlah uang tertentu untuk membuat atau meningkatkan app. Membuat satu app dibandingkan yang lain juga akan menghabiskan lebih banyak atau lebih sedikit uang. Menulis nilai-nilai ini di pohon Anda di bawah setiap keputusan dapat membantu Anda dalam proses pengambilan keputusan. 

Anda juga dapat mencoba memperkirakan nilai yang diharapkan yang akan Anda hasilkan, baik besar maupun kecil, untuk setiap keputusan. Setelah mengetahui biaya setiap hasil dan kemungkinan terjadinya, Anda dapat menghitung nilai yang diharapkan dari setiap hasil menggunakan rumus berikut:

• Nilai yang diharapkan (EV) = (Hasil pertama yang mungkin x Kemungkinan hasil) + (Hasil kedua yang mungkin x Kemungkinan hasil) - Biaya 

Hitung nilai yang diharapkan dengan mengalikan kedua kemungkinan hasil dengan kemungkinan setiap hasil akan terjadi, lalu tambahkan nilai-nilai tersebut. Anda juga perlu mengurangi biaya awal dari total Anda. 

5. Evaluasi hasil

Setelah memiliki hasil yang diharapkan untuk setiap keputusan, tentukan keputusan mana yang terbaik untuk Anda berdasarkan jumlah risiko yang bersedia Anda ambil. Nilai ekspektasi tertinggi mungkin tidak selalu sesuai keinginan Anda. Itu karena, meskipun dapat menghasilkan imbalan tinggi, itu juga berarti mengambil risiko proyek tingkat tertinggi.  

Ingatlah bahwa nilai yang diharapkan dalam analisis pohon keputusan berasal dari algoritma probabilitas. Anda dan Tim bebas menentukan cara terbaik untuk mengevaluasi hasil pohon.

Kelebihan dan kekurangan analisis pohon keputusan

Jika digunakan dengan benar, analisis pohon keputusan dapat membantu Anda mengambil keputusan yang lebih baik, tetapi juga memiliki kekurangannya. Selama memahami kekurangan yang terkait dengan pohon keputusan, Anda dapat menuai manfaat dari alat pengambilan keputusan ini. 

Kelebihan

Saat Anda kesulitan mengambil keputusan yang kompleks dan menangani banyak data, pohon keputusan dapat membantu Anda memvisualisasikan kemungkinan konsekuensi atau hasil yang terkait dengan setiap pilihan. 

• Transparan: Bagian terbaik tentang pohon keputusan adalah pohon keputusan memberikan pendekatan yang terfokus pada pengambilan keputusan untuk Anda dan Tim. Saat Anda mengurai setiap keputusan dan menghitung nilai yang diharapkan, Anda akan memiliki gagasan yang jelas tentang keputusan yang paling masuk akal untuk Anda lanjutkan. 

• Efisien: Pohon keputusan efisien karena hanya membutuhkan sedikit waktu dan sumber daya untuk membuatnya. Alat pengambilan keputusan lainnya, seperti survei, pengujian pengguna, atau prototipe, mungkin memakan waktu berbulan-bulan dan banyak uang untuk diselesaikan. Pohon keputusan adalah cara sederhana dan efisien untuk memutuskan hal yang harus dilakukan. 

• Fleksibel: Jika Anda menemukan ide baru setelah membuat pohon, Anda dapat menambahkan keputusan itu ke dalam pohon dengan sedikit upaya. Anda juga dapat menambahkan cabang untuk kemungkinan hasil jika mendapatkan informasi selama analisis. 

Kekurangan

Pohon keputusan memiliki kekurangan yang menjadikannya alat pengambilan keputusan yang kurang sempurna. Dengan memahami kekurangan ini, Anda dapat menggunakan pohon sebagai bagian dari proses perkiraan yang lebih besar.

• Kompleks: Meskipun pohon keputusan sering kali mencapai titik akhir yang pasti, pohon keputusan dapat menjadi kompleks jika Anda menambahkan terlalu banyak keputusan ke pohon Anda. Jika pohon Anda bercabang ke banyak arah, Anda mungkin kesulitan menjaga kerahasiaan pohon dan menghitung nilai yang diharapkan. Cara terbaik menggunakan pohon keputusan adalah dengan tetap sederhana agar tidak menimbulkan kebingungan atau kehilangan manfaatnya. Ini mungkin berarti menggunakan alat pengambilan keputusan lain untuk mempersempit opsi, lalu menggunakan pohon keputusan setelah Anda hanya memiliki beberapa opsi tersisa.

• Tidak stabil: Nilai dalam pohon keputusan Anda harus tetap stabil agar persamaannya tetap akurat. Jika Anda mengubah sebagian kecil data, data yang lebih besar dapat berantakan.

• Berisiko: Karena pohon keputusan menggunakan algoritma probabilitas, nilai yang diharapkan yang Anda hitung adalah estimasi, bukan prediksi akurat dari setiap hasil. Ini berarti Anda harus berhati-hati saat menggunakan estimasi ini. Jika tidak cukup mempertimbangkan probabilitas dan hasil dari hasil Anda, Anda dapat mengambil banyak risiko dengan keputusan yang Anda pilih. 

Contoh analisis pohon keputusan

Dalam contoh analisis pohon keputusan di bawah ini, Anda dapat melihat cara memetakan diagram pohon jika Anda memilih antara membangun atau meningkatkan app perangkat lunak baru. 

Saat pohon bercabang, hasil Anda melibatkan pendapatan besar dan kecil serta biaya proyek diambil dari nilai yang diharapkan.

Simpul keputusan dari contoh ini: 

• Membuat app penjadwalan baru: $50 ribu

• Meningkatkan app penjadwalan yang ada: $25.000

• Membuat app produktivitas tim: $75 ribu

Simpul peluang dari contoh ini:

• Pendapatan besar dan kecil untuk keputusan satu: 40 dan 55%

• Pendapatan besar dan kecil untuk keputusan dua: 60 dan 38%

• Pendapatan besar dan kecil untuk keputusan tiga: 55 dan 45%

Node akhir dari contoh ini:

• Potensi keuntungan untuk keputusan satu: $200K atau $150K

• Potensi keuntungan untuk keputusan dua: $100 ribu atau $80 ribu

• Potensi keuntungan untuk keputusan tiga: $250K atau $200K

Meskipun membangun app produktivitas tim baru akan menghabiskan banyak uang untuk tim, analisis pohon keputusan menunjukkan bahwa proyek ini juga akan menghasilkan nilai yang paling diharapkan untuk perusahaan. 

Gunakan pohon keputusan untuk menemukan hasil terbaik

Anda dapat menggambar pohon keputusan dengan tangan, tetapi menggunakan perangkat lunak pohon keputusan untuk memetakan kemungkinan solusi akan mempermudah Anda menambahkan berbagai elemen ke bagan alir, membuat perubahan saat diperlukan, dan menghitung nilai pohon. Dengan Integrasi Lucidchart Asana, Anda dapat membuat diagram terperinci dan membagikannya kepada tim di alat manajemen proyek terpusat. 

Perangkat lunak pohon keputusan akan membuat Anda merasa percaya diri dengan keterampilan pengambilan keputusan sehingga Anda dapat memimpin tim dan mengelola proyek dengan sukses.