Rantai Markov Produk Minuman

APLIKASI RANTAI MARKOV DALAM MENGANALISIS
PROBABILITAS PERPINDAHAN MEREK SUSU BALITA

(Studi Kasus pada Konsumen Di Kompleks Maduraja Distrik
Manokwari Barat)
SKRIPSI
ZUHAN NAFIHAH
PROGRAM STUDI MATEMATIKA

JURUSAN MATEMATIKA DAN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS NEGERI PAPUA
MANOKWARI
2013
ABSTRAK
Zuhan Nafihah. Aplikasi Rantai Markov dalam Menganalisis Probabilitas
Perpindahan Merek Susu Balita (Studi Kasus pada Konsumen Di Kompleks
Maduraja Distrik Manokwari Barat). Dibimbing oleh Nurhaida dan Jeinne Mumu.
Susu merupakan sumber protein yang sangat penting bagi balita yang
dikenal sebagai susu pertumbuhan. Orangtua konsumen yang bertempat tinggal di
Kabupaten Manokwari sangat selektif dalam memilih produk susu terbaik bagi
sang anak, dikarenakan banyaknya merek susu pertumbuhan yang beredar di
pasaran. Model untuk meneliti perilaku pemilihan merek suatu produk adalah
model rantai Markov yang merupakan salah satu penggunaan aljabar matriks.
Tujuan penelitian ini adalah memprediksi probabilitas konsumen merek
susu balita saat ini maupun pada masa mendatang serta mengidentifikasi
alasan-alasan orangtua konsumen dalam memilih merek susu balita tertentu di
Kompleks Maduraja.
Probabilitas perpindahan konsumen merek susu balita di Kompleks
Maduraja saat ini merupakan entri-entri dari matriks transisi rantai Markov (P)
yang terbentuk dan prediksi probabilitas konsumen merek susu balita di
Kompleks Maduraja pada masa mendatang akan konvergen, dengan nilai
probabilitasnya yaitu Dancow (34,89%); SGM (19,38%); Dancow Batita (19%);
Lactogen (14,02%); Frisian Flag (5,30%); merek Lainnya (3,03%); gabungan
merek Bebelove dan Bebelac (2,99%); yang terakhir adalah gabungan merek
BMT, Chilmil, Chilkid dan Chilschool (1,41%). Sedangkan alasan orangtua
konsumen di Kompleks Maduraja yang paling dominan dalam memilih merek
susu balita adalah adanya kecocokan dengan sang anak.
Kata kunci : Rantai Markov, Merek Susu Balita, Aplikasi Aljabar
APLIKASI RANTAI MARKOV DALAM MENGANALISIS

PROBABILITAS PERPINDAHAN MEREK SUSU BALITA
(Studi Kasus pada Konsumen Di Kompleks Maduraja Distrik
Manokwari Barat)
ZUHAN NAFIHAH
Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Sains dari
Universitas Negeri Papua
PROGRAM STUDI MATEMATIKA

JURUSAN MATEMATIKA DAN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS NEGERI PAPUA
MANOKWARI
2013
KATA PENGANTAR
Alhamdulillah, puji dan syukur penulis panjatkan kehadirat Allah SWT
karena atas izin, rahmat dan hidayah-Nya sehingga penyusunan skripsi ini dapat
terselesaikan dengan baik. Skripsi ini disusun selama 5 bulan (Februari-Juli) di
Manokwari dengan tujuan agar dapat menyelesaikan pendidikan di bangku kuliah
dan mencapai gelar Strata satu. Judul skripsi ini adalah Aplikasi Rantai Markov
dalam Menganalisis Probabilitas Perpindahan Merek Susu Balita (Studi
Kasus pada Konsumen Di Kompleks Maduraja Distrik Manokwari Barat).
Pada kesempatan ini, penulis secara pribadi dengan setulus hati
mengucapkan terima kasih kepada Nurhaida, S.Si, M.Sc selaku Dosen
Pembimbing I dan Jeinne Mumu, S.Pd, M.Sc selaku Dosen Pembimbing II yang
telah banyak memberikan pengarahan dan bimbingan kepada penulis dalam
menyelesaikan skripsi ini.
Ucapan terima kasih juga penulis sampaikan kepada:
1.
Ir. Benidiktus Tanujaya, M.Si selaku dosen pembimbing akademik atas

bimbingan, arahan dan nasihat yang diberikan kepada penulis selama
menjalani studi di Jurusan Matematika dan Statistika.
2.
Seluruh staf dosen Jurusan Matematika dan Statistika yang telah memberikan
banyak ilmu kepada penulis, sejak penulis diterima sebagai mahasiswa
sampai dengan terselesaikannnya skripsi ini.
3.
Kepala Kelurahan Wosi Distrik Manokwari Barat yang telah memberikan

izin kepada penulis untuk melakukan survei di Kelurahan Wosi.
4.
Ketua RT 004/RW 006 Kelurahan Wosi yang telah memberikan izin kepada
penulis untuk melakukan survei di Kompleks Maduraja dan bersedia di
wawancarai menyangkut data demografi penduduk setempat.
5.
Orangtua dan adik-adik penulis (Mukhtar Imam Rifai dan Karomatun Nisa)
yang selalu dengan cinta dan kasih sayang mendukung serta mendoakan
penulis.
6.
Kakek, nenek, tante (Indriyani, Ulfah, Retni, Tia, Nining ), om (Usup, Habib,
Leman) dan sepupu-sepupu penulis atas doa dan motivasinya selama ini.
7.
Sahabat-sahabat terbaik penulis (Paradila, Mutia, Elita, Eny) yang telah

banyak mendoakan dan mendukung selama ini.
8.
Teman-teman angkatan 2009 yang sangat penulis cintai (Irma, Lisa, Arny,
Herlina, Rina, Dessy, Tiwi, Ayu, Engly, Resvia, Isky, Rendi, Swingli, Dias,
Tomi, Silvester dan Sakeus) terimaksih atas kebersamaan, keceriaan, doa dan
motivasi yang diberikan selama kuliah.
9.
Seluruh senior maupun junior Jurusan Matematika dan Statistika atas saran,
motivasi dan doa yang diberikan.
10. Semua pihak yang tak bisa penulis sebutkan satu per satu yang selalu
mendukung serta mendoakan penulis.
Skripsi ini penulis persembahkan kepada kedua orangtua dan almarhum
kakek tercinta Abdul Manan yang senantiasa memberikan cinta, kasih sayang,
doa dan motivasi untuk penulis. Semoga skripsi ini merupakan karya yang
menjadi bukti nyata rasa cinta penulis kepada agama, bangsa dan negara tercinta
Indonesia. Penulis berharap skripsi ini bermanfaat bagi semua pihak yang
membutuhkan khususnya peminat aplikasi Matematika dalam bidang Aljabar dan
Statistika.
Manokwari, Juli 2013
Zuhan Nafihah
ii
RIWAYAT HIDUP
Penulis dilahirkan di Banyumas (Jawa Tengah) pada tanggal 11 Maret 1990
sebagai anak pertama dari 3 bersaudara dari pasangan Muhammad Abdul Rois
dan Siti Maimunah. Penulis menempuh pendidikan Sekolah Dasar (1996-2002)
dan Sekolah Menengah Pertama (2002-2005) di Manokwari. Kemudian, penulis
melanjutkan pendidikan di Sekolah Menengah Atas (SMA) Negeri 2 Manokwari
(2005-2008). Selama menempuh pendidikan di SMA, penulis aktif dalam
organisasi sekolah seperti OSIS. Selain itu, penulis juga sering mengikuti
kompetisi dan olimpiade bidang Matematika serta mengikuti perlombaan cerdas
cermat.
Penulis melanjutkan pendidikan di bangku kuliah yakni di Universitas
Negeri Papua (UNIPA) pada tahun 2009. Penulis resmi terdaftar sebagai
mahasiswa di Jurusan Matematika dan Statistika Fakultas MIPA UNIPA melalui
ujian Seleksi Masuk Perguruan Tinggi Negeri (SMPTN). Penulis banyak terlibat
dalam organisasi kampus seperti Himpunan Mahasiswa Jurusan Matematika dan
Statistika (HIMMASTA), Badan Eksekutif Mahasiswa (BEM) MIPA UNIPA dan
lain sebagainya. Selain itu, penulis juga pernah menjadi peserta Olimpide
Nasional MIPA tingkat Region VIII pada tahun 2012, juara 2 tingkat provinsi
Olimpiade Sains Nasional (OSN) Pertamina pada tahun 2011 dan juara 1 tingkat
provinsi OSN Pertamina pada tahun 2012.
Selama menempuh pendidikan di kampus, penulis menerima beasiswa
sebanyak 3 kali yaitu beasiswa PPA pada tahun 2010, Beasiswa Unggulan
Supersemar (BUS) pada tahun 2011 dan 2012. Pada tahun 2011, penulis
melaksanakan PKL dan ditempatkan di Kantor Badan Pusat Statistik (BPS)
Kabupaten Manokwari. Pada tahun 2013, penulis melaksanakan KKN dan
ditempatkan di Kampung Bremi Distrik Manokwari Utara selama kurang lebih
satu bulan. Selain aktif dalam kegiatan kampus, penulis juga menjadi Guru
Privat dua murid SD yaitu Aqil dan Naina yang sering memberikan inspirasi bagi
penulis selama ini (2010-2013).
ii
DAFTAR ISI
Halaman
DAFTAR ISI ............................................................................................................ i
DAFTAR GAMBAR ............................................................................................. iii
DAFTAR TABEL .................................................................................................. iv
DAFTAR LAMPIRAN ........................................................................................... v
I PENDAHULUAN .............................................................................................. 1
1.1 Latar Belakang ............................................................................................ 1
1.2 Rumusan Masalah ....................................................................................... 3
1.3 Batasan Masalah .......................................................................................... 3
1.4 Tujuan.......................................................................................................... 3
1.5 Manfaat ........................................................................................................ 3
II LANDASAN TEORI ......................................................................................... 4
2.1 Matriks dan Sistem Persamaan Linier (SPL) .............................................. 4
2.1.1 Pengantar SPL ................................................................................. 4
2.1.2 Definisi Matriks ............................................................................... 6
2.1.3 Matriks yang Diperbesar ................................................................. 8
2.1.4 Operasi Baris Elementer (OBE) ...................................................... 8
2.1.5 Eliminasi Gauss ............................................................................. 10
2.1.6 Penjumlahan dan Perkalian Matriks .............................................. 11
2.1.7 Matriks Identitas ............................................................................ 12
2.1.8 Matriks Taknegatif ........................................................................ 12
2.1.9 Pangkat Suatu Matriks ................................................................... 12
2.1.10 Matriks Transisi ............................................................................. 13
2.2 Rantai Markov ........................................................................................... 13
2.2.1 Pengantar Rantai Markov .............................................................. 13
2.2.2 Proses Stokastik ............................................................................. 14
2.2.3 Proses Markov ............................................................................... 14
2.2.4 Matriks Transisi Rantai Markov .................................................... 15
2.2.5 Matriks Stokastik ........................................................................... 16
2.2.6 Vektor Keadaan ............................................................................. 17
2.3 Produk Susu Balita .................................................................................... 22
2.3.1 Pengertian Susu, Produk dan Merek ............................................. 22
2.3.2 Segmentasi Produk Susu di Indonesia ........................................... 22
2.4 Perilaku Konsumen ................................................................................... 23
2.4.1 Definisi dan Faktor-faktor Perilaku Konsumen ............................ 23
2.4.2 Proses Keputusan Pembelian ......................................................... 24
2.4.3 Kepuasan Pelanggan ...................................................................... 25
2.5 Pangsa Pasar .............................................................................................. 25
2.6 Kuesioner (Angket) ................................................................................... 25
2.7 Program MATLAB ................................................................................... 26
2.7.1 Pengenalan MATLAB ................................................................... 26
ii
2.7.2 Vektor dan Matriks pada MATLAB ............................................. 27

2.7.3 Operasi Matriks pada MATLAB ................................................... 28
2.8 Gambaran Umum Lokasi Penelitian ......................................................... 29
III METODOLOGI PENELITIAN ....................................................................... 30
3.1 Waktu dan Tempat Penelitian ................................................................... 30
3.2 Unit Pengamatan ....................................................................................... 30
3.3 Sumber Data .............................................................................................. 30
3.4 Metode Penelitian ...................................................................................... 30
3.5 Instrumen Data dan Variabel Penelitian .................................................... 30
3.6 Tahapan Penelitian .................................................................................... 31
IV HASIL DAN PEMBAHASAN ....................................................................... 34
4.1 Karakteristik Populasi ............................................................................... 34
4.2 Deskripsi Data ........................................................................................... 37
4.3.1 Merek Susu Balita ............................................................................ 38
4.3.2 Pangsa Pasar .................................................................................. 39
4.3.3. Alasan Pemilihan Merek ............................................................... 39
4.4 Analisis Data ............................................................................................. 40
4.4.1 Analisis Deskriptif Kuantitatif ...................................................... 40
4.4.2 Analisis Deskriptif Kualitatif ........................................................ 53
V PENUTUP ........................................................................................................ 55
5.1 Kesimpulan................................................................................................ 55
5.2 Saran .......................................................................................................... 55
DAFTAR PUSTAKA ........................................................................................... 57
LAMPIRAN .......................................................................................................... 59
ii
DAFTAR GAMBAR
Halaman
4.1 Persentase Ayah Balita Berdasarkan Suku ..................................................... 35
4.2 Persentase Ibu Balita Berdasarkan Suku ......................................................... 35
4.3 Persentase Ayah Balita Berdasarkan Jenis Pekerjaan ..................................... 36
4.4 Persentase Ibu Balita Berdasarkan Jenis Pekerjaan ........................................ 36
4.5 Persentase Ayah Balita Berdasarkan Pendidikan Terakhir ............................. 37
4.6 Persentase Ibu Balita Berdasarkan Pendidikan Terakhir ................................ 37
DAFTAR TABEL
Halaman
2.1 Segmentasi Susu Di Indonesia ........................................................................ 23
3.1 Variabel Penelitian .......................................................................................... 31
4.1 Jenis-jenis Susu yang Dikonsumsi Di Kompleks Maduraja ........................... 38
4.2 Merek Susu Balita yang Dikonsumsi Saat Ini ................................................ 38
4.3 Proporsi Merek Susu Balita yang Dikonsumsi Di Kompleks Maduraja ........ 40
4.4 Jumlah Konsumen Susu Balita Saat Sebelumnya dan Saat Ini ....................... 41
4.5 Perpindahan Merek (Brand Switching) ........................................................... 42
4.6 Probabilitas Transisi Rantai Markov dan Vektor Keadaan Awal ................... 43
4.7 Vektor Keadaan (0) , , (3) dan (20) , , (22) ......................................... 49
4.8 Alasan-alasan Orangtua Konsumen dalam Memilih Merek Produk
Susu Balita ...................................................................................................... 54
ii
DAFTAR LAMPIRAN
Halaman
1 Peta Administrasi Kelurahan Wosi .................................................................... 60
2 Blok Kerangka Sampel ...................................................................................... 61
3 Kuesioner ........................................................................................................... 62
4 Ringkasan Entrian Kuesioner dan Hasil Wawancara......................................... 64
5 Vektor Keadaan (0) , , (22) ......................................................................... 68
ii
I PENDAHULUAN
1.1 Latar Belakang

Susu merupakan salah satu sumber protein yang sangat penting agar anak
dapat tumbuh optimal. Perkembangan ilmu pengetahuan dan teknologi telah
berhasil menciptakan susu sapi sesuai dengan kebutuhan anak seturut
pertumbuhan umurnya. Ketepatan memilih susu menentukan laju pertumbuhan
dan kecerdasan anak (Nadesul, 2007). Susu untuk anak usia dibawah lima tahun
(balita) dikenal sebagai susu pertumbuhan, yang terbagi menjadi dua kategori
yaitu susu bayi dan susu anak-anak. Hasil riset The Nielsen Indonesia pada
triwulan I 2010, diperoleh 10 top brand susu pertumbuhan anak di Indonesia,
yakni Dancow, Frisian Flag, SGM, Bebelac, Nutrilon, Childkid, Pediasure,
Sustagen, Procal dan Enfagrow (Noer F, 2011).
Banyaknya merek susu pertumbuhan yang beredar di pasaran, membuat
orangtua konsumen lebih selektif dalam memilih produk susu terbaik bagi
anaknya. Hal ini berlaku juga bagi orangtua konsumen yang bertempat tinggal di
Kabupaten Manokwari. Penduduk Kabupaten Manokwari pada tahun 2011
berjumlah 194.948 jiwa yang didominasi oleh penduduk dengan usia 0-4 tahun
yaitu
sebanyak
22.585
jiwa.
Kabupaten
Manokwari
terdiri
dari
29
Distrik/Kecamatan. Wilayah yang paling padat penduduknya di Kabupaten

Manokwari adalah Distrik Manokwari Barat dengan angka 340 jiwa/km 2 (BPS,
2012).
Jumlah penduduk Kabupaten Manokwari yang didominasi oleh balita,
memberi peluang besar adanya persaingan penjualan produk susu pertumbuhan di
wilayah ini dengan berbagai pilihan merek. Sehingga, mengakibatkan orangtua
konsumen tergoda untuk melakukan perpindahan merek. Hal ini dikarenakan
konsumen membutuhkan merek yang bagus (D'Alessandro dan Owens, 2001).
Salah satu model yang sangat berkaitan erat dengan masalah pemasaran,
khususnya meneliti perilaku pemilihan merek suatu produk adalah model rantai
Markov (Kotler, 1988).
Rantai Markov (Markov chain) telah digunakan untuk menganalisis

probabilitas perpindahan merek dalam penelitian-penelitian terdahulu, diantaranya
adalah Allo et al (2013) menganalisis probabilitas perpindahan kartu seluler GSM
ke merek kartu seluler GSM lainnya, studi kasus Mahasiswa Fakultas Pertanian
Universitas Samratulangi Manado. Kurniawati (2012) menggunakan rantai
Markov untuk menganalisis pangsa pasar produk sabun mandi kesehatan, studi
kasus di wilayah Surabaya Timur. Selain digunakan untuk mengetahui
probabilitas perpindahan merek, rantai Markov juga dapat digunakan untuk
mengetahui probabilitas perpindahan tempat belanja, studi kasus pada konsumen
yang berbelanja di Pasar Modern Kota Semarang (Hermilda, 2010).
Rantai Markov merupakan salah satu penggunaan aljabar matriks (Weber J.
E., 1999). Rantai Markov digunakan untuk mengukur atau mengestimasi
pergerakan yang terjadi setiap saat. Rantai ini melibatkan penggunaan matriks
transisi Markov, dengan setiap nilai dalam matriks transisi adalah probabilitas
pergerakan dari suatu keadaan ke keadaan lainnya (Chiang dan Wainwright,
2002). Probabilitas terjadinya keadaan tertentu dapat diprediksi hanya dengan
mengetahui keadaan sistem tersebut pada pengamatan sebelumnya, maka proses
perubahan ini disebut rantai Markov atau proses Markov (Anton dan Rorres,
2005).
Proses Markov adalah suatu proses stokastik. Proses Markov mempunyai 3
sifat, yaitu himpunan hasil atau keadaan yang mungkin adalah berhingga,
probabilitas dari hasil berikutnya bergantung hanya kepada hasil sebelumnya dan
probabilitas adalah konstan sepanjang waktu (Leon, 2001). Berdasarkan sifatnya,
rantai Markov dapat memprediksi probabilitas konsumsi masing-masing
merek produk susu balita saat ini maupun di masa mendatang. Oleh karena itu,
penulis tertarik untuk melakukan penelitian dengan judul Aplikasi Rantai
Markov dalam Menganalisis Probabilitas Perpindahan Merek Susu Balita
(Studi Kasus pada Konsumen Di Kompleks Maduraja Distrik Manokwari
Barat).
1.2 Rumusan Masalah

Permasalahan
perpindahan
dalam
penelitian
ini
adalah
bagaimana
probabilitas
konsumen merek produk susu balita saat ini maupun di masa
mendatang dengan menggunakan rantai Markov (studi kasus pada konsumen di

Kompleks Maduraja Distrik Manokwari Barat).
1.3 Batasan Masalah
Penelitian ini dilakukan dengan batasan-batasan masalah sebagai berikut.
1. Produk susu yang menjadi perhatian adalah produk susu pertumbuhan untuk
anak balita (produk susu balita) yang berasal dari susu sapi. Susu pertumbuhan
yang dimaksud adalah susu bubuk untuk bayi (anak usia 0-1 tahun) yang terdiri
dari susu formula awal dan formula lanjutan, serta susu bubuk untuk anak usia
1-5 tahun.
2. Unit pengamatan dalam penelitian ini adalah rumah tangga yang mempunyai
anak balita sebagai konsumen susu pertumbuhan.
3. Lokasi penelitian adalah Kompleks Maduraja RT 004/RW 006 Kelurahan
Wosi Distrik Manokwari Barat.
1.4 Tujuan
Tujuan dari penelitian ini adalah sebagai berikut.
1. Mengetahui probabilitas perpindahan konsumen merek susu balita di
Kompleks Maduraja pada saat ini.
2. Memprediksi probabilitas perpindahan konsumen merek susu balita di
Kompleks Maduraja pada masa mendatang.
3. Mengidentifikasi alasan-alasan orangtua konsumen di Kompleks Maduraja
dalam memilih merek susu balita bagi sang anak.
1.5 Manfaat
Penelitian ini diharapkan dapat memberikan manfaat kepada pembaca
mengenai aplikasi rantai Markov pada perpindahan merek (brand switching)
produk susu balita dan alasan-alasan orangtua konsumen dalam memilih merek
susu balita.
II LANDASAN TEORI
Pada bab ini akan dibahas mengenai matriks dan sistem persamaan linier
(SPL), rantai Markov, produk susu balita, perilaku konsumen, pangsa pasar,
kuesioner (angket) dan program MATLAB.
2.1 Matriks dan Sistem Persamaan Linier (SPL)
Pada subbab ini akan dibahas mengenai pengantar SPL, definisi matriks,
matriks yang diperbesar, operasi baris elementer (OBE), eliminasi Gauss,
penjumlahan dan perkalian matriks, matriks identitas, matriks tak negatif, serta
pangkat suatu matriks.
2.1.1 Pengantar SPL
Suatu persamaan linier dalam peubah (variable), menurut Leon (2001)
adalah persamaan dengan bentuk sebagai berikut.
11 1 + 12 2 + + 1 = 1
21 1 + 22 2 + + 2 = 2
1 1 + 2 2 + + =
(2.1)
Sistem linier pada (2.1) disebut sistem linier , dengan merupakan

koefisien persamaan ke- dari variabel ke- , sedangkan merupakan konstanta
untuk persamaan ke- .
Contoh 2.1.1
Perhatikan sistem linier berikut.
(a)
1 + 22 = 5
21 + 32 = 8
(b)
1 2 + 3 = 2
21 + 2 3 = 4
(c)
1 + 2 = 2
1 2 = 1
1
=4
Sistem linier (a) adalah sistem linier 2 2, sistem (b) adalah sistem linier 2 3
dan sistem linier (c) adalah sistem linier 3 2.
Penyelesaian sistem linier adalah sebuah tupel-n terurut bilanganbilangan 1 , 2 , , yang memenuhi persamaan dalam sistem linier.
Contoh 2.1.2
Tentukan penyelesaian ketiga sistem linier pada Contoh 2.1.1.
Penyelesaian
Penyelesaian sistem linier (a) akan diperoleh dengan cara mensubstitusikan
1 = 22 + 5
ke persamaan
21 + 32 = 8.
Sehingga di peroleh
2(22 + 5) + 32 = 8
42 + 10 + 32 = 8
2 = 8 10
2 = 2.
Kemudian substitusikan
2 = 2
ke persamaan
1 = 22 + 5,
diperoleh
1 = 2 2 + 5
1 = 1.
Penyelesaian dari sistem linier (a) merupakan pasangan terurut (1,2).
Penyelesaian dari sistem linier (b) akan lebih mudah diperoleh dengan
menggunakan kombinasi eliminasi dan substitusi. Akan dieliminasi 2 dan 3 dari
sistem linier berikut:
1 2 + 3 = 2
21 + 2 3 = 4 +
3 1 + 0 + 0 = 6
1 =
6
3
1 = 2
Substitusikan
1 = 2
ke persamaan
1 2 + 3 = 2,
sehingga diperoleh
2 2 + 3 = 2
2 + 3 = 0
2 = 3
Karena
2 = 3 dan 1 = 2 ,
diperoleh
1 2 + 3 = 2
2 = 3 = 0
Penyelesaian sistem linier (b) merupakan tripel terurut (2,0,0).
Penyelesaian sistem linier (c) akan diselesaikan dengan mensubstitusikan
1 = 4
ke persamaan
1 + 2 = 2
dan
1 2 = 1
diperoleh
4 + 2 = 2
dan
4 2 = 1
Namun, tidak terdapat bilangan real yang memenuhi kedua persamaan tersebut,
maka sistem linier (c) tidak memiliki penyelesaian.
Suatu sistem linier yang tidak memiliki penyelesaian disebut tidak konsisten
(inconsisten). Jika sistem linier mempunyai paling sedikit satu penyelesaian, maka
disebut konsisten (consisten). Jadi sistem linier (a) dan (b) konsisten, sedangkan
sistem linier (c) tidak konsisten. Himpunan semua penyelesaian dari sistem linier
disebut himpunan penyelesaian dari sistem linier.
2.1.2 Definisi Matriks
Definisi 2.1.3 (Anton dan Rorres, 2002:26)
Suatu matriks (matrix) adalah jajaran empat persegi panjang dari bilanganbilangan. Bilangan-bilangan dalam jajaran tersebut disebut entri dari matriks
Contoh 2.1.4
Beberapa contoh matriks adalah sebagai berikut.
1 2
3 0
1 4
(d)
2 1
1
3
(f)
(g)
0 3
(e)
Ukuran suatu matriks dinyatakan dalam jumlah baris dan kolom. Sebagai
contoh pada matriks (d) ukurannya adalah 3 2. Ukuran suatu matriks biasanya
disebut orde. Suatu matriks yang hanya terdiri dari satu kolom disebut matriks
kolom (vektor kolom), contohnya pada matriks (f) dan suatu matriks yang terdiri
dari satu baris disebut matriks baris (vektor baris), contohnya pada matriks (e).
Nama sebuah matriks, biasanya ditulis dengan huruf kapital (A, B, C, ...).
Entri yang terletak pada baris dan kolom didalam matriks dinyatakan
sebagai . Matriks umum ditulis sebagai berikut.
=
11
21
12
22
Notasi singkat matriks dapat ditulis sebagai
1
2
atau .
Suatu matriks dengan jumlah baris dan jumlah kolom disebut matriks
bujur sangkar orde dan entri-entri 11 , 22 , , merupakan diagonal utama
matriks .
=
11
21
12
22
1
2
Suatu matriks berorde disebut matriks segitiga atas (upper

triangular) jika = 0 untuk > ( (Leon, 2001).
Contoh 2.1.5
Perhatikan matriks segitiga atas di bawah ini.
3 2 1
0 2 1
0 0 5
2.1.3 Matriks yang Diperbesar

Suatu sistem persamaan linier yang terdiri dari persamaan linier dengan
faktor yang tidak diketahui dapat disingkat dengan menuliskan deretan bilanganbilangan dalam jajaran empat persegi panjang (Anton dan Rorres, 2002). SPL
(2.1) dapat ditulis sebagai:
11 12
21 22

1 2
11
21
1
2
ini disebut matriks diperbesar (augmented matrix) dari sistem tersebut.

Sistem persamaan linier disebut sistem persamaan homogen jika konstanta
1 = 2 = = = 0. Setiap sistem persamaan lilnier homogen mempunyai
solusi trivial, yaitu
1 = 0, 2 = 0, , = 0
sedangkan solusi lainnya disebut solusi nontrivial (Budhi, 1995).
2.1.4 Operasi Baris Elementer (OBE)
Salah satu operasi yang dapat digunakan untuk menyelesaikan sistem
persamaan linier disebut operasi baris elementer. Operasi baris elementer pada
suatu matriks menurut Anton dan Rorres (2002) adalah salah satu operasi berikut.
1. Mengalikan baris dengan konstanta taknol.
2. Menukarkan posisi dua baris.
3. Menambahkan kelipatan satu baris ke baris lainnya.
Contoh 2.1.6
Gunakan OBE untuk menyelesaikan SPL berikut.
+ + 2 = 9
2 + 4 3 = 1
3 + 6 5 = 0
Penyelesaian.
Bentuk matriks yang diperbesar dari SPL tersebut adalah
1 1
2 4
3 6
2 9
3 1
5 0
Operasi baris elementer yang dilakukan adalah sebagai berikut.
1. Tambahkan -2 kali baris pertama ke baris kedua,

diperoleh
1 1
0 2
3 6
2
9
7 17
5
0
2. Tambahkan -3 kali baris pertama ke baris ketiga,

diperoleh
1 1
0 2
0 3
3. Kalikan baris kedua dengan
1
2
2
9
7 17
11 27
diperoleh
1 1
0 1
0 3
2
9
7
17
2 2
11 27
4. Tambahkan -3 kali baris kedua ke baris ketiga,

diperoleh
1
0
0
1
2
7
1 2
1
0 2
17
2
3
5. Kalikan baris ketiga dengan -2,

diperoleh
1 1
0 1
0 0
2
9
7
17
2
2
1
3
6. Tambahkan -1 kali baris kedua ke baris pertama,

diperoleh
7. Tambahkan
11
2
0
0
1
0
11
35
2
7
2
17
2
1
3
7
kali baris ketiga ke baris pertama dan 2 kali baris tiga ke baris
kedua,
diperoleh
9
1 0
0 1
0 0
0 1
0 2
1 3
yang merupakan penyelesaian dari SPL, yaitu = 1, = 2 dan = 3.

2.1.5 Eliminasi Gauss
Pada Contoh 2.1.6 telah diselesaikan suatu SPL dengan faktor-faktor yang
tidak diketahui yaitu , dan dengan reduksi matriks yang diperbesar menjadi
1 0
0 1
0 0
0 1
0 2.
1 3
Dari reduksi tersebut, diperoleh solusi = 1, = 2 dan = 3. Ini merupakan

contoh matriks dalam bentuk eselon baris tereduksi. Matriks ini harus memiliki
sifat-sifat berikut.
1. Jika satu baris tidak seluruhnya terdiri dari nol, maka bilangan taknol pertama
pada baris itu adalah 1. Bilangan 1 ini disebut 1 utama.
2. Jika terdapat baris yang seluruhnya terdiri dari nol, maka baris-baris ini akan
dikelompokkan bersama pada bagian paling bawah dari matriks.
3. Jika terdapat dua baris berurutan yang tidak seluruhnya terdiri dari nol, maka 1
utama pada baris yang lebih rendah terdapat pada kolom yang lebih kanan dari
1 utama pada baris yang lebih tinggi.
4. Setiap kolom yang memiliki 1 utama memiliki nol pada tempat-tempat lainnya.
Matriks yang memiliki tiga sifat pertama di atas disebut dalam bentuk eselon
baris.
Contoh 2.1.7
Matriks-matriks berikut ini adalah dalam bentuk eselon baris tereduksi
1 0
0 1
0 0
0 4
1 0
0 7 , 0 1
1 1
0 0
0
0 0
.
0 ,
0 0
1
Matriks-matriks berikut ini adalah dalam bentuk eselon baris

1 4
0 1
0 0
3 7
1 0
6 2 , 0 1
1 5
0 0
0
0.
0
10
Prosedur yang menghasilkan matriks bentuk eselon baris disebut eliminasi

Gauss, sedangkan prosedur yang menghasilkan matriks bentuk eselon baris
tereduksi disebut eliminasi Gauss-Jordan.
2.1.6 Penjumlahan dan Perkalian Matriks
Jika dan adalah matriks-matriks dengan ukuran yang sama, maka jumlah
(sum) + adalah matriks yang diperoleh dengan menjumlahkan entri-entri
pada dengan entri-entri yang bersesuaian pada dan selisih (difference)
adalah matriks yang diperoleh dengan mengurangkan entri-entri pada
dengan entri-entri yang bersesuain pada . Matriks dengan ukuran yang berbeda
tidak dapat dijumlahkan atau dikurangkan.
Contoh 2.1.9
Perhatikan matriks-matriks
2
1 0
= 1 0 2
4 2 7
3
4 3 5
1
4 , = 2 2 0 1 ,
0
3 2 4 5
1
2
1
2
Maka
2 4 5
+ = 1 2 2
7 0 3
6 2
4
3 dan = 3 2
1 4
5
5 2
2
5
11 5
Operasi + , + , dan tidak dapat diselesaikan.

Definisi 2.1.10 (Leon, 2001:36)
Jika = adalah matriks dan = adalah matriks , maka
hasil kali = = adalah matriks yang entri-entrinya didefinisikan
oleh
=
=1 .
(2.2)
Contoh 2.1.11
Terdapat dua matriks A dan B sebagai berikut.
Jika =
2 1
4 1
3
3
dan = 2
6
1
2
4
3
11
maka =
2.3 + 1.2 + 3.1 2. 2 + 1.4 + 3. (3)

1 1
=
4.3 + 1.2 + 6.1
4. 2 + 1.4 + 6. (3)
20 22
2.1.7 Matriks Identitas

Matriks identitas (identity matrix) adalah matriks bujur sangkar dengan
bilangan 1 pada diagonal utamanya dan 0 pada entri-entri lainnya. Matriks
identitas dinyatakan dengan . Jika ukurannya penting maka akan ditulis sebagai
untuk matriks identitas (Anton dan Rorres, 2002).
Contoh 2.1.12
Perhatikan matriks identitas 2 2 dan 3 3 dibawah ini.
1 0
2 =
0 1
dan
1 0
3 = 0 1
0 0
0
0
1
2.1.8 Matriks Taknegatif

Definisi 2.1.13 (Leon, 2001:322)
Suatu matriks berorde dengan entri bilangan real disebut tak negatif jika
0 untuk setiap dan , dan disebut positif jika > 0 untuk setiap dan .
Contoh 2.1.14
Perhatikan kedua matriks dibawah ini:
2 0 0
0 2 0
0 0 1
0,8 0,3
0,1 0,2
0,1 0,5
disebut matriks taknegatif

0,2
0,6 disebut matriks positif.
0,2
2.1.9 Pangkat Suatu Matriks

Jika adalah matriks bujur sangkar, maka pangkat bilangan bulat tak negatif
dari adalah
0 = , = . > 0.
(2.3)
12
Contoh 2.1.16
1
1
1 2
maka 3 =
1 3
Misalkan =
2
3
1
1
2 1 2 11
=
3 1 3 15
30
41
2.1.10 Matriks Transisi

Misalkan diketahui barisan vektor
0 , 1 , 2 ,
(2.4)
yang memenuhi persamaan

+1 =
(2.5)
untuk setiap 0 dan 0 merupakan vektor awal. Matriks A disebut matriks

transisi (Budhi, 1995) dari barisan vektor pada (2.4). Dengan menggunakan (2.5)
diperoleh
1 = 0 , 2 = 1 = 2 0 , 3 = 2 = 3 0 .
Untuk menghitung n yang cukup besar secara umum dapat dinyatakan
= 0
(2.6)
2.2 Rantai Markov

Pada subbab ini akan diuraikan mengenai pengantar rantai Markov, proses
stokastik, proses Markov, matriks transisi rantai Markov, matriks stokastik dan
vektor keadaan.
2.2.1 Pengantar Rantai Markov
Rantai Markov berkaitan erat dengan probabilitas. Beberapa hal yang
berkaitan dengan probabilitas yaitu eksperimen probabilitas, ruang sampel dan
peristiwa. Probabilitas adalah sebuah bilangan yang terletak di antara 0 dan 1 yang
berkaitan dengan suatu peristiwa (event) tertentu. Jika peristiwa ini pasti terjadi,
maka probabilitas kejadian/peristiwa adalah 1 dan jika peristiwa itu mustahil
terjadi maka probabilitasnya adalah 0 (Harinaldi, 2005).
Terdapat dua teori probabilitas (Voelker et al, 2004), yaitu teori klasik
probabilitas dan teori nisbi probabilitas. Teori probabilitas menyatakan bahwa
probabilitas keberhasilan suatu kejadian tertentu ditentukan oleh rasio dari
13
banyaknya keluaran (keberhasilan) kejadian tersebut terhadap banyaknya seluruh

keluaran yang mungkin, yang dinyatakan dalam rumus:
banyaknya keluaran yang diinginkan
P A = banyaknya
seluruh keluaran yang mungkin
(2.7)
Teori klasik hanya menyinggung keluaran-keluaran yang saling berdiri sendiri

(lepas), yang berarti bahwa keluaran-keluaran tersebut bisa tidak terjadi pada
waktu yang sama. Sebagai contoh, satu mata uang logam dapat menghasilkan
gambar atau angka, tetapi tidak dapat menghasilkan gambar dan angka.
Teori probabilitas tentang frekuensi nisbi menyatakan bahwa jika suatu
percobaan diulang dalam jumlah yang tak terhingga besarnya dan keluaran
tertentu terjadi dalam suatu presentase, maka presentase tertentu tersebut
mendekati probabilitas keluarannya. Sebagai contoh, jika sebuah mesin
menghasilkan 10.000 perhiasan imitasi dalam satu kali produksi, dan 1.000
diantaranya rusak, maka probabilitas mesin tersebut menghasilkan perhiasan
imitasi rusak sama dengan 1.000 dari 10.000 atau 0,1.
2.2.2 Proses Stokastik
Proses stokastik adalah suatu keluarga peubah acak atau (), dimana
dengan = 0,1,2,
untuk diskrit dan = [0, ) untuk kontinu
(Taylor dan Karlin, 1998). Contohnya adalah pada percobaan pelemparan mata
uang berkali-kali.
1
: peubah acak yang berhubungan dengan pelemparan pertama
: peubah acak yang berhubungan dengan pelemparan kedua
: peubah acak yang berhubungan dengan pelemparan ke-n
1 sampai disebut keluarga peubah acak atau disebut proses stokastik.

2.2.3 Proses Markov
Proses Markov adalah proses stokastik yang mempunyai sifat bahwa jika
nilai Xt telah diketahui, maka Xs untuk s > tidak dipengaruhi oleh Xu untuk
u < (Taylor dan Karlin, 1998).
14
Proses Markov menurut Leon (2001) memiliki sifat-sifat:

1. Himpunan hasil atau keadaan yang mungkin adalah berhingga.
2. Probabilitas dari hasil berikutnya bergantung hanya kepada hasil sebelumnya.
3. Probabilitas adalah konstan sepanjang waktu.
Rantai Markov dengan waktu diskrit (discrete time Markov chain) adalah
suatu proses markov dengan waktu diskrit dan Xt memiliki nilai diskrit. Secara
matematis proses Markov dapat dinyatakan sebagai berikut (Taylor dan Karlin,
1998) :
+1 = |0 = 0 , , 1 = 1, =
(2.8)
= Pr +1 = | =
(2.9)
untuk setiap n dan setiap keadaan 0 , , 1 , , . Pernyataan = artinya

adalah rantai Markov pada waktu berada pada keadaan .
Probabilitas +1 berada pada keadaan jika berada pada keadaan
dilambangkan dengan ,+1 . Probabilitas ini juga dinamakan probabilitas transisi
satu langkah (one-step transition probability) dan secara matematis dapat
dinyatakan sebagai berikut (Taylor dan Karlin, 1998) :
,+1 = Pr +1 = | =
(2.10)
2.2.4 Matriks Transisi Rantai Markov

Misalkan sebuah rantai Markov mempunyai k kemungkinan keadaan, maka
terdapat probabilitas transisi (transition probability) dari kedaan j ke keadaan i
dinyatakan dengan . Suatu matriks = disebut matriks transisi rantai
Markov (transition matrix of the Markov chain).
Sebagai contoh, pada sebuah rantai Markov tiga keadaan, matriks
transisinya mempunyai bentuk
Keadaan sebelumnya
1
2
3
11 12 13
21 22 23
31 32 33
1
2
3
Keadaan
saat ini
15
Pada matriks ini, 32 adalah probabilitas bahwa sistem akan berubah dari
keadaan 2 ke keadaan 3, 11 adalah probabilitas bahwa sistem masih tetap dalam
keadaan 1 jika sebelumnya dalam keadaan 1, dan seterusnya.
Contoh 2.2.2
Sebuah perusahaan penyewaan mobil mempunyai tiga tempat penyewaan,
dimisalkan dengan 1, 2 dan 3. Seorang pelanggan dapat menyewa sebuah mobil
dari salah satu dari ketiga tempat penyewaan dan mengembalikan mobil tersebut
kesalah satu dari tempat penyewaan manapun yang dikehendaki. Manajer
perusahaan ini menemukan bahwa para pelanggan mengembalikan mobil-mobil
ke ketiga tempat penyewaan yang ada menurut probabilitas berikut.
Keadaan Sebelumnya
1
2
3
0,8 0,3 0,2
1
0,1 0,2 0,6
2
0,1 0,5 0,2
3
3
Dikembalikan ke
Tempat
Matriks ini disebut matriks transisi rantai Markov dari sistem tersebut. Tampak
pada matriks ini, sebuah mobil yang disewa dari tempat 3 memiliki probabilitas
0,6 untuk dikembalikan ketempat 2, sebuah mobil yang disewa dari tempat 1
memiliki probabilitas 0,8 untuk dikembalikan ketempat 1, dan sebagainya.
2.2.5 Matriks Stokastik
Matriks transisi rantai Markov mempunyai sifat bahwa entri-entri pada
setiap kolom berjumlah 1. Jika =
adalah matriks transisi suatu rantai
Markov dengan k keadaan , maka untuk sistem j harus mempunyai sifat

1 + 2 + + = 1
(2.11)
Jika sistem tersebut berada pada keadaan j pada suatu pengamatan, maka sistem
tersebut pasti berada pada salah satu dari k kemungkinan keadaan pada
pengamatan berikutnya. Matriks tersebut disebut matriks stokastik (stochastic
matrix), matriks probabilitas, atau matriks Markov (Markov matrix). Matriks
transisi untuk rantai Markov haruslah berupa matriks stokastik. Pada pembahasan
selanjutnya, istilah yang digunakan adalah matriks stokastik (Anton dan Rorres,
2005).
16
2.2.6 Vektor Keadaan

Keadaan sistem pada suatu waktu pengamatan, umumnya tidak dapat
ditentukan dengan pasti pada sebuah rantai Markov. Cara terbaik yang biasanya
dilakukan adalah menemukan probabilitas untuk setiap keadaan yang mungkin.
Sebagai contoh, pada rantai Markov dengan tiga keadaan dapat diuraikan menjadi
kemungkinan keadaan sistem tersebut pada suatu waktu pengamatan dengan
sebuah vektor kolom
1
= 2
3
(2.12)
dimana 1 adalah probabilitas bahwa sistem tersebut berada pada keadaan 1, 2

adalah probabilitas bahwa sistem tersebut berada pada keadaan 2, dan 3 adalah
probabilitas bahwa sistem tersebut berada pada keadaan 3 (Anton dan Rorres,
2005).
Vektor keadaan (state vector) untuk sebuah pengamatan pada suatu rantai
Markov yang mempunyai k keadaan adalah sebuah vektor kolom x di mana
komponen ke i, yakni merupakan probabilitas bahwa sistem berada pada
keadaan ke i pada saat itu.
Contoh 2.2.4
Matriks transisi pada Contoh 2.2.2 adalah
0,8 0,3 0,2
= 0,1 0,2 0,6
0,1 0,5 0,2
Jika sebuah mobil awalnya disewa dari tempat penyewaan 2, maka vektor
keadaan awalnya adalah
0
x (0) = 1
0
Entri-entri pada sebarang vektor keadaan untuk suatu rantai Markov adalah
taknegatif dan mempunyai jumlah sama dengan 1. Sebuah vektor kolom yang
mempunyai sifat seperti ini disebut vektor probabilitas (probability vector).
17
Apabila diketahui vektor keadaan (0) untuk sebuah rantai Markov, maka dapat
ditentukan vektor-vektor keadaan
(1) , (2) , , () ,
(2.13)
pada waktu-waktu pengamatan berikutnya dengan menggunakan teorema berikut.

Teorema 2.2.5 (Anton dan Rorres, 2005:179)
Jika P merupakan matriks transisi rantai Markov dan () adalah vektor keadaan
pada pengamatan ke n, maka
(+1) = () .
(2.14)
Pembuktian teorema ini melibatkan gagasan dari teori probabilitas, dapat dilihat
pada buku An Introduction To Stochastic Modeling 3rd Edition, Taylor dan
Karlin, Academic Press: New York, 1998).
Dari Teorema 2.2.5 akan didapatkan
(1) = (0)
(2.15)
(2) = (1) = 2 (0)
(2.16)
= 3 (0)
(2.17)
() =
= (0)
(2.18)
dengan cara ini, vektor keadaan awal (0) dan matriks transisi P akan menentukan
() untuk n = 1, 2,
Vektor-vektor keadaan tidak selalu mendekati vektor tetap seiring dengan
meningkatnya jumlah pengamatan. Namun demikian, jika ditentukan sebuah
syarat pada suatu matriks transisi, maka vektor keadaan pembatas yang tetap
dapat didekati. Fenomena/fakta tersebut dijelaskan pada definisi berikut.
Sebuah matriks transisi disebut matriks transisi reguler jika terdapat suatu
bilangan bulat positf m sedemikian sehingga seluruh entri dari adalah positif.
18
Contoh 2.2.7
Diberikan matriks
0,8 0,3 0,2
0
= 0,1 0,2 0,6 dan (0) = 1
0,1 0,5 0,2
0
Perkalian matriks P dengan sebuah vektor keadaan awa (0) , akan diperoleh :
0,8 0,3 0,2 0
0,3
(1) = 0,1 0,2 0,6 1 = 0,2
0,1 0,5 0,2 0
0,5
Sehingga berdasarkan Definisi 2.2.6, matriks merupakan matriks transisi yang
bersifat reguler dengan = 1.
Sebuah rantai Markov yang ditentukan oleh sebuah matriks transisi reguler
disebut rantai Markov reguler (regular Markov chain). Setiap rantai Markov
reguler mempunyai sebuah vektor kedaan tetap sedemikian sehingga (0)
mendekati seiring dengan meningkatnya untuk sebarang pilihan (0) . Hasil ini
sangat penting dalam teori rantai Markov. Hal ini didasarkan pada teorema
berikut.
Jika P adalah sebuah matriks transisi reguler, maka
1 1 1
2 2
2

pada saat . Dengan adalah bilangan-bilangan positif sedemikian
sehingga
1 + 2 + + = 1
(2.19)
Pembuktian Teorema 2.2.8 dapat dilihat pada buku Finite Markov Chains, J.
Kemeny dan J. Snell, Springer Verlag: New York, 1976.
Misalkan
1
2
=
1
2
1
1
2
2
dan =
19
Matriks Q adalah matriks transisi, dengan seluruh kolomnya sama dengan vektor
probabilitas q . Jika x adalah suatu vektor probabilitas, maka
1 1 + 1 2 + 1
1 1 1 1
2 2 2 2
2 1 + 2 2 + 2
=
=

1 + 2 +
1
2
= 1 + 2 + + = 1 =
dengan kata lain, Q mentransformasikan setiap vektor probabilitas menjadi

vektor probabilitas tetap .
Jika P adalah sebuah matriks transisi reguler dan x adalah suatu vektor
probabilitas, maka
1
2
=
(2.20)
pada saat . Matriks q merupakan sebuah vektor probabilitas tetap yang

tidak tergantung pada n, dan semua entrinya adalah positif.
Pembuktian Teorema 2.2.8 dapat dilihat pada buku Finite Markov Chains, J.
Kemeny dan J. Snell, New York: Springer Verlag, 1976.
Vektor keadaan tetap q dari sebuah matriks transisi reguler P merupakan vektor
probabilitas yang unik, yang memenuhi persamaan
= .
(2.21)
Bukti :
Diketahui P sebuah matriks transisi regular, terdapat suatu bilangan bulat
positif n sedemikian sehingga seluruh entri dari P n adalah positif (Definisi 2.2.6).
Akan dibuktikan bahwa vektor keadaan tetap ada dan adalah unik (tunggal).
20
a. Bukti bahwa vektor keadaan tetap ada:

Jika dikalikan dengan sebuah matriks regular P, maka
= +1 .
Menurut Teorema 2.2.8, baik maupun +1 mendekati pada saat ,
diperoleh
=
Matriks Q adalah matriks transisi dengan seluruh kolomnya sama dengan vektor
probabilitas q seperti berikut
1
2
=
1
2
1
1
2
2
dan = .
Sehingga terbentuk
= .
Terbukti bahwa vektor keadaan tetap ada.
b. Bukti bahwa vektor keadaan tetap adalah unik (tunggal):
Untuk menunjukkan bahwa adalah satu-satunya vektor probabilitas yang
memenuhi Persamaan (2.21), misalkan adalah vektor probabilitas lain
sedemikian sehingga
= .
Kemudian
= ,
untuk = 1,2, . Pada saat , maka Teorema 2.2.9 akan menghasilkan
= . Sehingga terbukti bahwa vektor keadaan tetap adalah unik (tunggal).
Teorema 2.2.10 juga dapat dinyatakan dengan pernyataan bahwa suatu
sistem linier homogen
=
(2.28)
mempunyai sebuah vektor solusi q yang unik dengan entri-entri positif yang
memenuhi syarat 1 + 2 + + = 1.
21
2.3 Produk Susu Balita

Pada subbab ini akan dibahas mengenai pengertian susu, produk dan merek
serta segmentasi produk susu di Indonesia.
2.3.1 Pengertian Susu, Produk dan Merek
Susu merupakan hasil sekresi kelenjar ambing/mamae dari spesies mamalia
betina. Ada lebih dari 10.000 spesies mamalia yang menghasilkan susu,
diantaranya manusia yang disebut ASI (air susu ibu), sapi, kambing, domba, unta,
kerbau dan kuda. Selain ASI, susu yang sering dikonsumsi oleh manusia adalah
susu sapi (Tri dan Manik, 2009).
Produk adalah segala sesuatu yang dapat ditawarkan ke pasar untuk
diperhatikan, dimiliki, digunakan, atau dikonsumsi yang dapat memuaskan
keinginan atau kebutuhan. Produk mencakup objek fisik, jasa, orang, tempat,
organisasi dan gagasan (Kotler dan Armstrong, 2001).
Merek adalah nama, istilah, tanda, simbol, disain, atau kombinasi dari
semuanya yang dimaksudkan untuk mengidentifikasi produk atau jasa dari
seorang penjual atau kelompok penjual serta untuk membedakan dari produk atau
jasa pesaing (Irawan et al, 2001).
2.3.2 Segmentasi Produk Susu di Indonesia
Segmentasi adalah tindakan mengelompokkan tanggapan yang sama dari
konsumen terhadap program pemasaran perusahaan (Irawan et al, 2001). Menurut
The Nielsen Indonesia (2010), ada 4 segmentasi produk susu di Indonesia (Noer
F., 2011) yakni untuk bayi yang biasa disebut susu formula awal dan susu formula
lanjutan, anak-anak, dewasa dan wanita hamil/menyusui. Susu pertumbuhan
terbagi menjadi 2 kategori, yaitu susu bayi (tahap 1 dan tahap 2) dan anak-anak
(tahap 3, 4, dan 5). Untuk lebih jelasnya, dapat dilihat pada Tabel 2.1.
22
Tabel 2.1 Segmentasi Susu di Indonesia

Susu untuk Bayi
0-6 bulan (Formula awal)
7-12 bulan (Formula lanjutan)
Susu untuk Anak-anak
Tahap 3
1-3 tahun
Tahap 4
3-5 tahun
Tahap 5
5 tahun keatas
Susu untuk Dewasa
Susu untuk Wanita Hamil atau Menyusui
Tahap 1
Tahap 2
Sumber: The Nielsen Indonesia 2010 (Noer F, 2011).

Produsen susu pertumbuhan di Indonesia cukup bervariasi , misalnya Nestle
dengan Dancow 1+, Dancow 3+ dan Dancow 5+; Frisian Flag dengan Frisian Flag
123 dan Frisian Flag 456; Sari Husada dengan SGM 2, SGM 3 dan SGM 4;
Nutricia dengan Bebelac dan Nutrilon; serta lainnya. The Nielsen Indonesia
(2010) mengungkapkan bahwa Dancow, Frisian Flag, SGM, Bebelac, dan
Nutrilon masuk dalam top 5 brands susu segmen anak di Indonesia. Kemudian
diikuti oleh Child kid, Pediasure, Sustagen, Procal, dan Enfagrow (Noer F, 2011).
Tumbuh kembang otak dan tulang banyak menjadi perhatian para produsen
susu untuk anak. Produsen susu berlomba-lomba mengangkat isu kecerdasan
dengan mengandalkan asam lemak esensial, terutama AA (Arachidonic Acid) dan
DHA (Docosa Hexaenoic Acid). Sedangkan untuk pertumbuhan fisik, Calsium
menjadi komponen terpenting. Selain zat gizi ini, beberapa produsen juga
melengkapi produknya dengan zat gizi lain seperti FOS (fruktoologosakarida) dan
GOS (galaktooligosakarida) sebagai sumber prebiotik, bakteri probiotik seperti
Lactobacillus sp., Karoten sebagai antioksidan, Nukleotida untuk meningkatkan
fungsi imun, dan sebagainya (Noer F, 2011).
2.4 Perilaku Konsumen
Pada subbab ini akan dibahas mengenai definisi dan faktor-faktor perilaku
konsumen, proses keputusan pembelian, serta kepuasan pelanggan.
2.4.1 Definisi dan Faktor-faktor Perilaku Konsumen
Perilaku konsumen (consumen behaviour) dapat didefinisikan sebagai
kegiatan-kegiatan individu yang secara langsung terlibat dalam mendapatkan dan
23
mempergunakan barang-barang dan jasa-jasa, termasuk didalamnya proses

pengambilan keputusan pada persiapan dan penentuan kegiatan-kegiatan tersebut
(Dharmmesta dan Handoko, 2008).
Perilaku pembelian konsumen (Kotler dan Amstrong, 2001) dipengaruhi
oleh empat faktor utama yaitu:
1. Faktor Budaya (kebudayaan, sub-kebudayaan dan kelas sosial)
2. Faktor Sosial (kelompok acuan, keluarga, peranan dan status)
3. Faktor Pribadi (umur dan langkah siklus hidup, pekerjaan, situasi ekonomi,
gaya hidup, kepribadian dan konsep diri)
4. Faktor Psikologis (motivasi, persepsi, pengetahuan, keyakinan dan sikap)
2.4.2 Proses Keputusan Pembelian
Berdasarkan pengkajian terhadap konsumen tentang tingkah laku membeli
(Kotler dan Amstrong, 2001), terdapat lima tahapan dalam proses keputusan
pembelian yaitu:
1. Pengenalan kebutuhan
Kebutuhan dapat digerakkan oleh rangsangan dari dalam diri pembeli atau dari
luar.
2. Pencarian informasi
Konsumen telah tertarik untuk mencari lebih banyak informasi. Sebagai hasil
pengumpulan informasi, konsumen mengenal beberapa merek dalam pasar
beserta ciri-cirinya.
3. Evaluasi alternatif
Konsumen menggunakan informasi
untuk
mengevaluasi
merek-merek
alternatif.
4. Keputusan pembelian
Tahap evaluasi alternatif menyebabkan konsumen membentuk pilihan diantara
beberapa alternatif merek.
5. Perilaku pasca pembelian
Setelah membeli suatu produk, konsumen akan merasakan kepuasan atau
ketidakpuasan terhadap produk yang dikonsumsinya.
24
2.4.3 Kepuasan Pelanggan

Seorang konsumen merek produk tertentu disebut juga pelanggan. Kepuasan
pelanggan merupakan indikator terbaik tentang laba masa depan perusahaan.
Kunci untuk mempertahankan pelanggan adalah kepuasan pelanggan. Seorang
pelanggan yang puas akan kembali membeli produk, memuji produk yang
dibelinya dihadapan orang lain, kurang memperhatikan merek dan iklan produk
pesaing serta membeli produk lain dari perusahaan yang sama (Kotler dan
Amstrong, 2001).
Kepuasan pelanggan yang tinggi, akan membuat pelanggan menjadi loyal
terhadap produk tertentu. Loyalitas pelanggan adalah pelanggan yang tidak hanya
membeli ulang suatu barang dan jasa, tetapi juga mempunyai komitmen dan sikap
yang positif terhadap perusahaan jasa, misalnya dengan merekomendasikan orang
lain untuk membeli (Hasan, 2009).
Pelanggan yang tidak puas akan melakukan pergantian merek (brand
switching) ke merek lain dan juga menceritakan tentang keburukan merek
sebelumnya kepada orang lain (Kotler dan Armstrong, 2001).
2.5 Pangsa Pasar
Pangsa pasar adalah bagian pasar yang bisa dikuasai oleh perusahaan.
Secara teoritis, pangsa pasar adalah perbandingan antara volume penjualan
perusahaan dengan permintaan industri. Pangsa pasar perusahaan, sebenarnya
merupakan informasi strategis yang dapat memberikan gambaran mengenai
eksistensinya. Informasi mengenai volume penjualan bisa memberikan informasi
mengenai penurunan atau kenaikan penjualan, akan tetapi tidak mungkin bisa
memberikan gambaran tentang eksistensi atau kekuatan perusahaan di pasar
(Wordpress, 2011).
2.6
Kuesioner (Angket)
Kuesioner merupakan suatu teknik pengumpulan data dengan memberikan
atau menyebarkan daftar pertanyaan/pernyataan kepada responden dengan

harapan memberikan respons atas daftar pertanyaan tersebut. Daftar pertanyaan
25
dapat bersifat terbuka jika jawaban tidak ditentukan sebelumnya sedangkan

bersifat tertutup jika alternatif-alternatif jawaban telah disediakan (Umar, 2011).
Komponen inti kuesioner menurut Emory (1995) dalam (Umar, 2011) ada
empat yaitu sebagai berikut.
1. Adanya subjek, yaitu individu atau lembaga yang melaksanakan penelitian.
2. Adanya ajakan, yaitu permohonan dari peneliti kepada responden untuk turut
mengisi secara aktif dan obyektif pertanyaan maupun pernyataan yang tersedia.
3. Adanya petunjuk pengisian kuesioner
4. Adanya pertanyaan maupun pernyataan beserta tempat mengisi jawaban.
Kriteria kuesioner yang baik menurut Sevilla dalam (Umar, 2011) adalah
sebagai berikut.
1. Reliabilitas
Reliabilitas adalah derajat ketepatan, ketelitian atau keakuratan yang
ditunjukkkan oleh instrumen pengukuran.
2. Validitas
Validitas dalam penelitian dijelaskan sebagai suatu derajat ketepatan alat ukur
penelitian tentang isi atau arti sebenarnya yang diukur.
Pengujian kuesioner secara kuantitatif dapat dilakukan melalui uji validitas
dan reliabilitas. Uji validitas berguna untuk mengetahui apakah ada pertanyaanpertanyaan pada kuesioner yang harus dibuang atau diganti karena dianggap tidak
relevan. Sedangkan uji reliabilitas berguna untuk menetapkan apakah kuesioner
dapat digunakan lebih dari satu kali, paling tidak oleh responden yang sama.
2.7 Program MATLAB
Pada subbab ini akan diuraikan mengenai pengenalan MATLAB, vektor dan
matriks pada MATLAB, serta operasi matriks pada MATLAB.
2.7.1 Pengenalan MATLAB
Matrix Laboratory (MATLAB) adalah software yang dikembangkan oleh
The MathWork, Inc, yang bermanfaat untuk menyelesaikan masalah komputasi
numerik. MATLAB menawarkan kemudahan dan kesederhanaan dalam
26
menyelesaikan permasalahan yang berhubungan dengan vektor dan matriks

(Irawan F. A., 2012).
2.7.2 Vektor dan Matriks pada MATLAB
MATLAB mengenal dua jenis format data, yaitu vektor dan matriks. Vektor
atau matriks didefinisikan dengan [ ]. Untuk memisahkan kolom digunakn tanda
koma , atau spasi. Sedangkan tanda ; digunakan untuk memisahkan baris.
Pembahasan selanjutnya mengenai program MATLAB, merupakan pendapat dari
Caesarendra dan Ariyanto (2011).
Vektor adalah sekelompok bilangan yang tersusun atas satu dimensi.
Dimensi ini bisa berbentuk baris dan bisa berbentuk kolom.
Contoh vektor baris
= 1,2,3
=
1 2 3
Contoh vektor kolom
= 1; 2; 3
=
1
2
3
Matriks adalah sekelompok bilangan yang tersusun dalam segi empat dua
dimensi. Bentuk matriks bisa berbebentuk bujursangkar (contoh: berdimensi
2 2), atau matriks persegi panjang (contoh: berdimensi 2 3 atau 3 2).
Contoh penulisan matriks pada MATLAB sebagai berikut.
Matriks berdimensi 2 2
= 1 2; 3 4
=
1 2
3 4
Matriks berdimensi 2 3
= 1 2 3; 4 5 6
=
1 2 3
4 5 6
27
Didalam MATLAB terdapat perintah yang dapat digunakan untuk membuat

matriks khusus seperti untuk membuat matriks identitas.
Contoh matriks identitas
3,3 1
=
1 0 0
0 1 0
0 0 1
2.7.3 Operasi Matriks pada MATLAB
Operasi matriks yang dibahas ada tiga, yaitu penjumlahan, pengurangan dan
perkalian.
1. Penjumlahan matriks
= 1 4; 2 3
=
1 4
2 3
= 4 5; 2 3
=
4 5
2 3
=+
=
5 9
4 6
2. Pengurangan matriks
=
=
3 1
0
0
3. Perkalian matriks
=
=
12 17
14 19
28
2.8 Gambaran Umum Lokasi Penelitian

Kabupaten Manokwari secara geografis terletak di daerah kepala burung
Pulau Papua, yaitu tepatnya pada koordinat 0 15" 3 25" Lintang Selatan dan
132 35" 134 45" Bujur Timur, berada tepat disebelah utara garis khatulistiwa
dengan ketinggian 0 mdpl (meter diatas permukaan laut) sampai dengan 2.985
mdpl. Batas-batas wilayah Kabupaten Manokwari adalah :
1. Sebelah Utara
: Samudra Pasifik
2. Sebelah Selatan
: Kabupaten Teluk Wondama, Kabupaten Teluk Bintuni
3. Sebelah Barat
: Kabupaten Sorong
4. Sebelah Timur
: Samudera Pasifik
Luas Wilayah Kabupaten Manokwari adalah 14.448,50 km2 atau sekitar 14,69
persen dari total wilayah Provinsi Papua Barat (BPS, 2012).
Penduduk Kabupaten Manokwari pada tahun 2011 berjumlah 194.948 jiwa
yang didominasi oleh penduduk dengan usia 0-4 tahun yaitu sebanyak 22.585
jiwa. Kabupaten Manokwari terdiri dari 29 Distrik/Kecamatan. Wilayah yang
paling padat penduduknya di Kabupaten Manokwari adalah Distrik Manokwari
Barat dengan angka 340 jiwa/km2. Hal ini disebabkan karena Distrik Manokwari
Barat dengan luas 237,24 km2 merupakan pusat kota, pusat pemerintahan dan
segala infrastruktur terdapat di distrik ini (BPS, 2012).
Distrik Manokwari Barat terdiri dari enam kelurahan, salah satunya adalah
Kelurahan Wosi (BPS, 2011). Kompleks Maduraja sebagai lokasi pengambilan
data, terletak di RT 004/RW 006 Kelurahan Wosi. Penduduk Kompleks Maduraja
terdiri dari penduduk asli dan pendatang/perantau. Pendatang merupakan
penduduk yang berasal dari luar Manokwari dan telah menetap atau berencana
menetap di Kabupaten Manokwari dengan tujuan mencari pekerjaan atau
menuntut ilmu (sekolah atau kuliah), dan lain sebagainya (BPS, 2012).
29
III METODOLOGI PENELITIAN

Pada bab ini akan dibahas mengenai waktu dan tempat penelitian, unit
pengamatan, sumber data, metode penelitian, instrumen data dan variabel
penelitian, serta tahapan penelitian.
3.1 Waktu dan Tempat Penelitian
Penelitian ini dilaksanakan selama kurang lebih satu bulan (16 Juni-11 Juli),
di Kompleks Maduraja RT 004/RW 006 Kelurahan Wosi Distrik Manokwari
Barat. Peta lokasi penelitian dapat dilihat pada Lampiran 1.
3.2 Unit Pengamatan
Unit pengamatan pada penelitian ini adalah seluruh rumah tangga yang
memiliki anak balita sebagai konsumen susu Balita di RT 004/RW 006 Kompleks
Maduraja.
3.3 Sumber Data
Penelitian ini menggunakan dua jenis sumber data yaitu data primer dan
data sekunder. Data
primer diperoleh dengan menggunakan metode survei.
Sedangkan data sekunder yang digunakan diperoleh dari buku, jurnal, data BPS
dan internet.
3.4 Metode Penelitian
Metode penelitian yang digunakan adalah metode deskriptif. Analisis data
primer dilakukan dengan bantuan program MATLAB (matrix laboratory) versi 5.
3.5 Instrumen Data dan Variabel Penelitian
Instrumen data dalam penelitian ini adalah kuesioner. Pertanyaan yang
terdapat dalam kuesioner merupakan kombinasi antara pertanyaan tertutup dan
pertanyaan terbuka. Kuesioner disusun berdasarkan empat bagian utama. Bagian
pertama berisi pertanyaan yang berkaitan dengan data diri responden (orangtua
konsumen), bagian kedua merupakan pertanyaan yang berisi data diri konsumen
susu balita, bagian ketiga berisi pertanyaan mengenai merek yang digunakan saat
30
ini dan bagian keempat berisi pertanyaan mengenai merek yang digunakan
sebelumnya. Total pertanyaan dalam kuesioner berjumlah 14 pertanyaan.
Variabel yang akan diteliti meliputi merek, pangsa pasar dan alasan
pemilihan merek produk susu balita. Untuk lebih jelasnya, dapat dilihat pada
Tabel 3.1 berikut.
Tabel 3.1 Variabel penelitian
No
1
2
3
Variabel
Merek
Pangsa Pasar
Alasan Pemilihan
Merek
Keterangan
Merek susu Balita yang beredar di Kab. Manokwari
Nilai probabilitas
Tiga alasan utama
Keterangan Tabel 3.1

Kab.
: Kabupaten
3.6 Tahapan Penelitian

Penelitian ini terdiri atas tujuh tahapan yaitu sebagai berikut.
1. Membuat kerangka sampel
Prosedur pembuatan kerangka sampel adalah sebagai berikut:
a. Meminta peta lokasi penelitian kepada Kepala Kelurahan Wosi dan
mendownload google earth dari internet.
b. Melakukan survei awal untuk mengetahui jumlah rumah tangga yang
memiliki balita (baik yang mengkonsumsi maupun tidak mengkonsumsi
susu balita) yang dikelompokkan berdasarkan lokasi tempat tinggal menjadi
9 blok yaitu blok A sampai dengan blok I. Pembagian blok pada peta lokasi
penelitian bertujuan untuk mempermudah pengambilan data. Hal ini
dikarenakan peneliti tidak memberi nomor urut pada setiap rumah tangga
yang akan dijadikan responden. Blok kerangka sampel dapat dilihat pada
Lampiran 2.
c. Membuat kerangka sampel semu berdasarkan data sementara yang
diperoleh.
d. Membuat kerangka sampel sebenarnya yang akan digunakan pada langkah
selanjutnya.
31
2. Membuat kuesioner
Kuesioner terdiri dari empat bagian pokok dengan 14 pertanyaan.
3. Menguji kuesioner
Kuesioner yang sudah dibuat, selanjutnya akan diuji kepada 5 calon
responden. Calon responden merupakan rumah tangga di Kompleks Maduraja
yang diwawancarai oleh enumerator, namun tidak termasuk rumah tangga
yang dijadikan unit pengamatan. Sedangkan responden merupakan rumah
tangga yang diwawancarai dan memenuhi semua syarat yang menjadi batasan
masalah penelitian ini. Pengujian kuesioner dilakukan melalui uji validitas dan
reliabilitas.
4. Memperbaiki Kuesioner
Perbaikan yang dilakukan pada kuesioner adalah pada kalimat ajakan dari
peneliti kepada responden, penambahan beberapa isian pernyataan dan pertanyaan
bagi responden. Hal-hal yang ditambahkan adalah nomor urut responden, status
responden terhadap konsumen susu balita (misalnya sebagai ayah, ibu, kakak atau
nenek) dan penambahan kolom jawaban untuk identitas orangtua konsumen susu
balita. Akibat perbaikan kuesioner, jumlah pertanyaan yang harus diisi berubah
menjadi 14 pertanyaan. Berdasarkan pengujian validitas, tidak terdapat pertanyaan
yang dibuang. Sedangkan pengujian reliabilitas menunjukkan bahwa kuesioner
dapat digunakan lebih dari satu kali oleh responden yang sama. Kuesioner yang
sudah diperbaiki, selengkapnya dapat dilihat pada Lampiran 3.
5. Mengambil data
Pengambilan data dengan kuesioner dilakukan dengan cara tatap muka
secara langsung dengan responden. Pengisian kuesioner dilakukan oleh pengambil
data (enumerator) berdasarkan jawaban yang diberikan responden. Pengambilan
data dilakukan di lokasi penelitian selama kurang lebih dua minggu.
6. Mengentri data
Kuesioner yang berisi lengkap, selanjutnya akan dientri dan akan dibuat
tabel sehingga lebih mudah dalam menganalisis probabilitas perpindahan merek
susu balita. Tabel ringkasan entrian data kuesioner dapat dilihat selengkapnya
pada Lampiran 4.
32
7. Analisis data
Analisis data yang dilakukan dalam penilitian ini adalah analisis deskriptif
kuantitatif dan kualitatif. Tahapan analisis data yang dilakukan adalah sebagai
berikut.
a. Analisis deskriptif kuantitatif (menggunakan bantuan program MATLAB)
1) Membuat tabel proporsi merek susu balita yang dikonsumsi di Kompleks
Maduraja seperti pada tabel berikut.
No
1
2
3
4
Merek
Dancow
Frisian Flag
SGM
Lainnya
Total
Jumlah Konsumen
Proporsi
Keterangan
Lainnya : merupakan merek selain 3 merek yang disebutkan
Untuk mempermudah analisis data, dibentuk tabel jumlah konsumen susu
balita pada saat sebelumnya dan saat ini seperti pada tabel berikut.
No
Merek susu balita
Dancow
Frisian Flag
SGM
Lainnya
JK Sebelumnya
Perolehan
Kehilangan
JK Saat Ini
Keterangan
JK
: Jumlah Konsumen
2) Membuat tabel perpindahan merek (brand switching), yaitu data perubahan
Ke Merek
atau transisi dari suatu merek ke merek lainnnya seperti pada tabel berikut.
Merek susu balita
Dancow
Dari Merek
Frisian Flag SGM
JK Sebelumnya
Dancow
Frisian Flag
SGM
JK Saat Ini
Keterangan
JK
: Jumlah Konsumen
3) Membentuk matriks probabilitas transisi rantai Markov (P) seperti berikut.
33
Merek sebelumnya
1
2
3
11 12 13
21 22 23
31 32 33
1
2
3
Merek
saat ini
4) Membentuk vektor keadaan awal ( )

5) Memeriksa apakah matriks probabilitas transisi rantai Markov (P) bersifat
reguler dengan menggunakan Definisi 2.2.6.
6) Memprediksi probabilitas perpindahan merek produk susu balita pada masa
mendatang menggunakan Persamaan (2.14) dan mencari nilai vektor
keadaan tetap () secara numerik menggunakan program MATLAB versi 5.
7) Mencari nilai vektor keadaan tetap () secara eksak menggunakan eselon
baris tereduksi, kemudian hasilnya dibandingkan dengan hasil numerik. Jika
vektor keadaan tetap () secara eksak mendekati hasil numerik, maka
kesimpulan yang diambil adalah berdasarkan hasil numerik.
b. Analisis deskriptif kualitatif
1) Membuat tabel alasan-alasan orangtua konsumen dalam memilih merek
susu balita seperti berikut.
No
1
2
3
4
5
Alasan Pemilihan
Merek
Simbol
Alasan
Harga terjangkau
Komposisi lengkap
Kecocokan dengan
sang anak
Terpengaruh iklan
Saran dari orang
lain
a
b
c
d
e
Merek Susu Balita yang

Dikonsumsi Saat Ini
Dancow
Frisian Flag
SGM
2
1
4
JOK
.
.
.
.
Total
Keterangan
JOK
: Jumlah Orangtua Konsumen
2) Mengidentifikasi alasan-alasan orangtua konsumen dalam memilih merek

susu balita.
34
IV HASIL DAN PEMBAHASAN

Pada bab ini akan dibahas mengenai gambaran karakteristik populasi,
deskripsi data dan analisis data.
4.1 Karakteristik Populasi
Pembelian suatu produk dipengaruhi oleh 4 faktor, yaitu faktor budaya,
sosial, pribadi dan psikologis. Setiap budaya mempunyai kelompok-kelompok
sub-budaya yang lebih kecil, yang merupakan identifikasi dan sosialisasi yang
khas untuk untuk perilaku anggotanya. Salah satu faktor sub-budaya adalah suku
bangsa (Kotler, 1988). Berdasarkan pengisian kuesioner 56 rumah tangga yang
menjadi responden dan dari hasil wawancara langsung dengan ketua RT 004/RW
006, diperoleh informasi yang terkait dengan faktor yang mempengaruhi orangtua
konsumen dalam pembelian produk susu balita bagi anaknya yaitu:
1. Suku (faktor budaya)
2. Pekerjaan (faktor pribadi) dan
3. Pendidikan terakhir (faktor psikologis).
Faktor yang mempengaruhi pembelian produk susu balita yang pertama
adalah suku dari orangtua konsumen. Persentase ayah balita berdasarkan suku,
berturut-turut didominasi oleh suku Jawa sebesar 43%, suku Makassar sebesar
34% dan Buton sebesar 14%. Urutan berikutnya adalah suku Sunda sebesar 3%,
sisanya merupakan suku Bugis, Madura dan Mandacan yang masing-masing
sebesar 2%. Persentase ayah balita berdasarkan suku dapat dilihat pada Gambar
4.1 berikut.
34
Persentase Ayah Balita Berdasarkan Suku

2% 2%
2%
3%
14%
43%
34%
Jawa
Makasar
Buton
Sunda
Bugis
Madura
Mandacan
Gambar 4.1 Persentase Ayah Balita Berdasarkan Suku

Persentase ibu balita berdasarkan suku, berturut-turut didominasi oleh suku
Jawa sebesar 46%, suku Makassar 34% dan suku Buton 14%. Selebihnya
merupakan suku Madura, Bugis dan Mandacan masing-masing sebesar 2%.
Persentase ibu balita berdasarkan suku dapat dilihat pada Gambar 4.2 berikut.
Persentase Ibu Balita Berdasarkan Suku
Jawa
Makasar
Buton
Bugis
2% 2% 2%
Madura
Mandacan
14%
46%
34%
Gambar 4.2 Persentase Ibu Balita Berdasarkan Suku

Faktor yang mempengaruhi pembelian produk susu balita yang kedua
adalah pekerjaan orangtua konsumen. Gambar 4.3 dan Gambar 4.4 berikut
menunjukkan persentase orangtua balita berdasarkan jenis pekerjaan.
35
Persentase Ayah Balita

Berdasarkan Jenis Pekerjaan
Polisi
2%
Bangunan
4%
Bengkel
5%
Ojek
5%
Sopir
5%
PNS
Persentase Ibu Balita Berdasarkan

Jenis Pekerjaan
57%
29%
7%
7%
7%
Lainnya
Pedagang
30%
42%
Gambar 4.3 Persentase Ayah Balita Gambar 4.4 Persentase Ibu

Balita
Jenis pekerjaan yang paling banyak dilakukan oleh ayah balita berdasarkan
Gambar 4.3 secara berturut-turut adalah pedagang sebesar 42%, pekerjaan lainnya
sebesar 30% dan PNS sebanyak 7%. Selebihnya merupakan jenis pekerjaan sopir,
ojek dan bengkel yang masing-masing sebesar 5%, pekerja bangunan sebesar 4%,
serta polisi 2%. Pekerjaan lainnya merupakan gabungan dari beberapa jenis
pekerjaan seperti karyawan suatu perusahaan, usaha pembuatan undangan dan
pegawai honorer.
Jenis pekerjaan yang paling banyak dilakukan oleh ibu balita berdasarkan
Gambar 4.4 secara berturut-turut adalah ibu rumah tangga (IRT) sebesar 57% dan
pedagang sebesar 29%. Selebihnya merupakan PNS dan pekerjaan lainnya
masing-masing sebesar 7%. Pekerjaan lainnya merupakan gabungan dari beberapa
jenis pekerjaan honorer seperti guru SD, guru TK dan perawat.
Faktor yang mempengaruhi pembelian produk susu balita yang ketiga
adalah pendidikan terakhir orangtua balita. Gambar 4.5 dan Gambar 4.6 berikut
menunjukkan persentase orangtua balita berdasarkan pendidikan terakhir.
36
Persentase Ayah Balita

Berdasarkan Pendidikan
Terakhir
Persentase Ibu Balita Berdasarkan

Pendidikan Terakhir
45%
21%
18% 12,5%
3,5%
Lainnya
2%
D3
5%
S1
SD
SMP sederajat
SMA sederajat
Gambar 4.5 Persentase Ayah

Berdasarkan Pendidikan Terakhir
9%
16%
23%
45%
Balita Gambar 4.6 Persentase Ibu

Berdasarkan Pendiddikan Terakhir
Balita
Persentase pendidikan terakhir dari ayah balita berdasarkan Gambar 4.5,

secara berturut-turut dari yang terbesar adalah lulusan Sekolah Menengah Atas
(SMA) sederajat sebesar 45%, Sekolah Menengah Pertama (SMP) sederajat
sebesar 21% dan Strata satu (S1) sebesar 18%. Selebihnya adalah ayah balita
dengan pendidikan terakhir Sekolah Dasar (SD) sebesar 12,5% dan D3 sebesar
3,5%.
Persentase pendidikan terakhir dari ibu balita berdasarkan Gambar 4.6,
secara berturut-turut dari yang terbesar adalah lulusan SMA sederajat sebesar
45%, SMP sederajat sebesar 23% dan SD sebesar 16%. Selebihnya adalah ibu
balita dengan pendidikan terakhir S1 sebesar 9%, D3 sebesar 5% dan lainnya
(tidak lulus SD) sebesar 2%.
4.2 Deskripsi Data
Jumlah rumah tangga yang memiliki balita di Kompleks Maduraja pada
bulan Juni 2013 adalah 117 rumah tangga, dengan jumlah balita sebanyak 139
balita. Jumlah rumah tangga yang menjadi calon responden dalam penelitian ini
adalah sebanyak 66 rumah tangga. Sedangkan jumlah rumah tangga yang
memenuhi syarat menjadi responden hanya 56 rumah tangga. Dari 56 rumah
tangga yang dijadikan responden, diperoleh 72 balita yang diketahui
mengkonsumsi produk susu.
37
Jumlah balita yang mengkonsumsi produk susu adalah sebanyak 72

konsumen. Dari 72 balita yang mengkonsumsi susu, terdapat 61 balita yang
mengkonsumsi produk susu balita yang berasal dari susu sapi, sisanya merupakan
balita yang sedang dan pernah mengkonsumsi produk susu kedelai masing-masing
sebanyak 1 balita, sebanyak 5 balita yang mengkonsumsi susu kaleng (susu kental
manis), sebanyak 3 balita yang berhenti mengkonsumsi susu balita dan sebanyak
1 balita yang tidak dapat diperoleh informasinya karena sedang berlibur bersama
orangtuanya. Untuk lebih jelasnya dapat dilihat pada Tabel 4.1 berikut.
Tabel 4.1 Jenis-jenis Susu yang Dikonsumsi Balita di Komplek Maduraja
No
1
2
3
4
5
Jenis Susu yang di konsumsi
Jumlah konsumen
Saat ini
Sebelumnya
Susu balita yang berasal dari susu sapi
61 balita
Susu balita yang berasal dari kedelai
1 balita
1 balita
Susu kaleng (susu kental manis)
5 balita
Berhenti mengkonsumsi produk susu
3 balita
Tidak ada informasi (sedang berlibur
1 balita
bersama orang tua)
Jumlah Konsumen
71 balita
1 balita
4.2.1 Merek Susu Balita

Merek susu balita yang dikonsumsi oleh balita yang bertempat tinggal di
Kompleks Maduraja pada bulan Juni 2013 adalah seperti pada Tabel 4.2 berikut.
Tabel 4.2 Merek Susu Balita yang Dikonsumsi Di Kompleks Maduraja
No
1
2
3
4
5
6
7
8
Merek
Frisian Flag
BMT, Chilmil, Chilkid dan Chilschool
Dancow
Dancow Batita
Lactogen
Bebelove dan Bebelac
SGM
Lainnya
Simbol Merek
FF
BC
D
DB
L
BB
S
Z
Pada Tabel 4.2 memperlihatkan bahwa terdapat 8 merek yang dikonsumsi

oleh balita yang bertempat tinggal di Kompleks Maduraja. Kedelapan merek
tersebut adalah Frisian Flag; gabungan dari merek BMT, Chilmil, Chilkid dan
38
Chilschool; Dancow; Dancow Batita, Lactogen, gabungan dari merek Bebelove

dan Bebelac; SGM, serta Lainnya. Merek Lainnya (selalu dicetak miring)
merupakan gabungan dari beberapa merek yang dikonsumsi hanya oleh 1 atau 2
balita, seperti merek NAN H. A, Milo, AL 110, Boneeto, Pediasure, S26 Gold,
Nutrilon dan Nutri Baby Royal.
Pada Tabel 4.2, terdapat 2 merek yang merupakan merek gabungan dari 2
merek atau lebih yaitu merek BC yang merupakan gabungan dari merek BMT,
Chilmil, Chilkid dan Chilschool dan BB yang merupakan gabungan dari merek
Bebelac dan Bebelove. Kedua merek gabungan tersebut (BC dan BB) merupakan
merek dengan produsen yang sama, namun tahapan usia berbeda.
4.2.2 Pangsa Pasar
Pangsa pasar merek susu balita merupakan perbandingan antara jumlah
konsumen susu balita merek tertentu dengan total konsumen seluruh merek susu
balita yang beredar di pasaran pada waktu dan tempat tertentu (Djan dan Ruvendi,
2006), yang kemudian menjadi vektor keadaan awal ((0) ) rantai Markov. Hal ini
akan dibahas lebih lanjut pada Subbab 4.3.
4.2.3 Alasan Pemilihan Merek
Alasan yang dikemukakan oleh orangtua konsumen dalam pemilihan merek
produk susu balita saat ini adalah sebanyak 12 alasan. Kedua belas alasan tersebut
terdiri dari 5 alasan alternatif yang telah disediakan dan 7 alasan yang merupakan
jawaban dari responden secara terbuka. Lima alasan alternatif yang disediakan
yaitu harga terjangkau (a), komposisi lengkap (b), kecocokan dengan sang anak
(c), terpengaruh iklan (d) dan saran dari orang lain seperti dokter, teman, tetangga
atau keluarga (e). Sedangkan 7 alasan yang merupakan jawaban terbuka dari
responden
adalah
mendukung
keaktifan
anak
(f),
pilihan
rasa
(g),
berkualitas/bagus (h), tambahan ASI (i), kebiasaan (j), kebetulan (k) dan
kemudahan dalam memperoleh produk (l).
39
4.3 Analisis Data

Analisis data dilakukan menggunakan metode deskriptif, yang terdiri dari
analisis deskriptif kuantitatif dan kualitatif yang akan dibahas secara lengkap
berikut ini.
4.3.1 Analisis Deskriptif Kuantitatif
Pada subbab ini akan diuraikan secara lengkap tahapan analisis deskriptif
kuantitatif sebagai berikut.
4.3.1.1 Membuat Tabel Proporsi Merek Susu Balita yang Dikonsumsi Di
Kompleks Maduraja
Proporsi merek susu balita yang dikonsumsi di Kompleks Maduraja pada
bulan Juni 2013 adalah seperti pada Tabel 4.3 berikut.
Tabel 4.3 Proporsi Merek Susu Balita yang Dikonsumsi di Kompleks Maduraja
No
1
2
3
4
5
6
7
8
Merek
Dancow
SGM
Lactogen
Dancow Batita
Lainnya
Frisian Flag
Total
Jumlah
Konsumen
20
12
8
7
5
4
3
2
61
Proporsi
32,79%
19,67%
13,11%
11,48%
8,19%
6,56%
4,92%
3,28%
100,00%
Pada Tabel 4.3 memperlihatkan bahwa tiga merek susu balita yang paling
banyak dikonsumsi di Kompleks Maduraja adalah Dancow (32,79%), SGM
(19,67%) dan Lactogen (13,11%). Urutan berikutnya adalah gabungan merek
BMT, Chilmil, Chilkid dan Chilschool (11,48%); merek Dancow Batita (8,19%);
gabungan merek Bebelove dan Bebelac (6,56%). Selebihnya adalah merek
Lainnya (4,92%) dan merek Frisian Flag (3,28%). Untuk mempermudah analisis
data, dibentuk tabel jumlah konsumen susu balita pada saat sebelumnya dan saat
ini seperti pada Tabel 4.4 berikut.
40
Tabel 4.4 Jumlah Konsumen Susu Balita Saat Sebelumnya dan Saat Ini
No
1
2
3
4
5
6
7
8
Merek Susu Balita
JK
Sebelumnya
Perolehan
Kehilangan
JK
Saat Ini
13
14
3
5
2
10
3
6
4
4
1
3
2
20
5
8
4
14
7
61
8
2
37
10
6
37
12
3
61
Frisian Flag
BMT, Chilmil,
Chilkid dan
Chilschool
Dancow
Dancow Batita
Lactogen
Bebelove dan
Bebelac
SGM
Lainnya
Total

Perolehan
: merupakan jumlah konsumen yang diperoleh merek tertentu dari

merek lainnya.
Kehilangan
: merupakan jumlah konsumen yang berpindah dari merek tertentu

ke merek lainnya.
JK
: Jumlah Konsumen
Pada Tabel 4.4 memperlihatkan bahwa merek Frisian Flag memiliki
jumlah konsumen sebanyak 3 konsumen pada saat sebelumnya. Jumlah

konsumen yang berpindah dari ketujuh merek lainnya ke merek Frisian Flag
(perolehan) sebanyak 2 konsumen dan yang berpindah dari merek Frisian Flag ke
tujuh merek lainnya (kehilangan) adalah sebanyak 3 konsumen. Sedangkan
jumlah konsumen pada saat ini adalah 2 konsumen.
Gabungan merek BMT, Chilmil, Chilkid dan Chilschool memiliki jumlah
konsumen sebanyak 13 konsumen pada saat sebelumnya. Jumlah konsumen yang
berpindah dari ketujuh merek lainnya ke gabungan merek BMT, Chilmil, Chilkid
dan Chilschool sebanyak 2 konsumen dan yang berpindah dari merek Frisian Flag
ke tujuh merek lainnya adalah sebanyak 8 konsumen. Sedangkan jumlah
konsumen pada saat ini adalah 7 konsumen. Demikian seterusnya untuk merekmerek lainnya dapat dibaca secara horisontal dari kiri ke kanan.
41
4.3.1.2 Membuat Tabel Perpindahan Merek (Brand Switching)

Perpindahan merek masing-masing produk susu balita yang dilakukan
konsumen dapat dilihat pada Tabel 4.5 berikut.
Tabel 4.5 Perpindahan Merek (brand switching)
Merek saai ini
Merek
FF BC
0
0
FF
0
5
BC
0
2
D
2
0
DB
0
0
L
0
2
BB
1
3
S
0
1
Z
13
JK Sebelumnya 3
D
1
0
10
0
0
0
2
1
14
Merek Sebelumnya
DB L BB S Z
0
1 0
0 0
0
0 0
0 2
0
1 1
3 3
2
1 0
0 0
0
2 1
5 0
0
0 0
2 0
1
0 0
4 1
0
0 0
0 1
3
5 2
14 7
JK saat ini
2
7
20
5
8
4
12
3
61

JK
: Jumlah Konsumen
Pada Tabel 4.5 memperlihatkan bahwa konsumen yang berpindah dari
merek Frisian Flag adalah 3 konsumen yaitu ke gabungan merek BMT, Chilmil,
Chilkid dan Chilschool sebanyak 2 konsumen dan berpindah ke merek SGM
sebanyak 1 konsumen. Merek Frisian Flag juga memperoleh tambahan konsumen
sebanyak 2 konsumen yaitu 1 konsumen dari SGM dan 1 konsumen dari
Lactogen. Demikian seterusnya untuk ketujuh merek lainnya dapat dibaca secara
vertikal dari atas ke bawah dan secara horizontal dari kiri ke kanan pada masingmasing kolom merek.
Pembahasan selanjutnya, nilai probabilitas perpindahan konsumen merek
produk susu balita akan disajikan dalam bentuk desimal dan persen. Pada tabel
dan matriks yang terbentuk pada pembahasan berikutnya, terdapat beberapa
kolom tabel dan kolom matriks yang jumlahnya kurang dari 1 atau lebih dari 1
(0,9999 atau 1,0001). Hal ini dikarenakan adanya perubahan dari angka pecahan
ke angka desimal sehingga terdapat pembulatan angka dibelakang koma.
42
4.3.1.3 Membentuk Matriks Probabilitas Transisi Rantai Markov (P)

Tabel 4.5 dapat dibentuk menjadi Tabel 4.6 yaitu tabel probabilitas transisi
dan vektor keadaan awal (() ) seperti berikut.
Tabel 4.6 Probabilitas transisi rantai Markov dan ()
Merek sebelumnya
Merek saai ini
()
FF
BC
DB
BB
FF
0,0000
0,0000
0,0714
0,0000
0,2000
0,0000
0,0000
0,0000
0,0328
BC
0,0000
0,3846
0,0000
0,0000
0,0000
0,0000
0,0000
0,2857
0,1148
0,0000
0,1538
0,7143
0,0000
0,2000
0,5000
0,2143
0,4286
0,3279
DB
0,6667
0,0000
0,0000
0,6667
0,2000
0,0000
0,0000
0,0000
0,0820
0,0000
0,0000
0,0000
0,0000
0,4000
0,5000
0,3571
0,0000
0,1311
BB
0,0000
0,1538
0,0000
0,0000
0,0000
0,0000
0,1429
0,0000
0,0656
0,3333
0,2308
0,1429
0,3333
0,0000
0,0000
0,2857
0,1429
0,1967
0,0000
0,0769
0,0714
0,0000
0,0000
0,0000
0,0000
0,1429
0,0492
Jum
1,0000
0,9999
1,0000
1,0000
1,0000
1,0000
1,0000
1,0001
1,0001

M
: Merek
Jum
: Jumlah kolom
0,. : Probabilitas pelanggan yang loyal terhadap produk susu balita merek
tertentu
Pada Tabel 4.6 memperlihatkan bahwa probabilitas perpindahan konsumen
dari merek Frisian Flag ke merek Dancow Batita adalah 66,67% atau 0,6667 yang
2
diperoleh dari 3, dengan angka 2 menunjukkan jumlah konsumen yang berpindah

dari merek Frisian Flag ke merek Dancow Batita dan angka 3 menunjukkan
jumlah konsumen yang berpindah dari merek Frisian Flag ke tujuh merek lainnya.
Sedangkan probabilitas perpindahan konsumen dari merek Frisian Flag ke merek
SGM adalah 33,33% atau 0,3333 yang diperoleh dari
1
3
, dengan angka 1
menunjukkan jumlah konsumen yang berpindah dari merek Frisian Flag ke merek
SGM dan angka 3 menunjukkan jumlah konsumen yang berpindah dari merek
Frisian Flag ke tujuh merek lainnya. Begitu seterusnya untuk memperoleh nilai
probabilitas untuk ketujuh merek lainnya.
Probabilitas konsumen yang loyal terhadap gabungan merek BMT, chilmil,
chilkid dan chilschool adalah 38,46%, sedangkan probabilitas konsumen yang
43
berpindah ke merek Dancow adalah 15,38%, begitu juga yang berpindah ke

gabungan merek Bebelov dan Bebelac, selebihnya merupakan probabilitas
konsumen yang berpindah ke merek SGM sebesar 23,08% dan yang berpindah ke
merek lainnya sebesar 7,69%. Demikian seterusnya untuk keenam merek lainnya
dapat dibaca secara vertikal dari atas ke bawah pada masing-masing kolom merek.
Jika diasumsikan bahwa perpindahan merek produk susu balita dianggap
stabil maka dapat dibentuk matriks transisi rantai Markov (P) dengan ukuran baris
dan kolom adalah 8 8 (Definisi 2.2.1) seperti berikut.
FF
0,0000
0,0000
0,0000
0,6667
0,0000
0,0000
0,3333
0,0000
BC
DB
0,0000
0,3846
0,1538
0,0000
0,0000
0,1538
0,2308
0,0769
0,0714
0,0000
0,7143
0,0000
0,0000
0,0000
0,1429
0,0714
0,0000
0,0000
0,0000
0,6667
0,0000
0,0000
0,3333
0,0000
L
0,2000
0,0000
0,2000
0,2000
0,4000
0,0000
0,0000
0,0000
BB
0,0000
0,0000
0,5000
0,0000
0,5000
0,0000
0,0000
0,0000
S
0,0000
0,0000
0,2143
0,0000
0,3571
0,1429
0,2857
0,0000
Z
0,0000
0,2857
0,4286
0,0000
0,0000
0,0000
0,1429
0,1429
FF
BC
D
DB
L
BB
S
Z
Matriks P merupakan matriks transisi rantai Markov dengan 8 keadaan

(merek) yang merupakan probabilitas perpindahan konsumen merek produk susu
balita di Kompleks Maduraja pada saat ini.
Entri-entri pada matriks P dapat di notasikan dengan yang merupakan
probabilitas perpindahan konsumen dari merek sebelumnya () ke merek saat ini
(). Nilai probabilitas setiap keadaan
berkisar diantara 0 dan 1. Sehingga
berdasarkan Definisi 2.1.12, matriks P disebut juga matriks tak negatif. Selain itu,
penjumlahan entri-entri pada setiap kolom P adalah 1 (1 + 2 + + =
1), sehingga matriks P disebut juga matriks stokastik. Untuk lebih jelasnya,
perhatikan notasi entri-entri pada matriks P berikut:
44
FF
BC
11
21
31
41
=
51
61
71
81
D
12
22
32
42
52
62
72
82
DB L
13 14
23 24
33 34
43 44
53 54
63 64
73 74
83 84
BB
15
25
35
45
55
65
75
85
S
16
26
36
46
56
66
76
86
Z
17
27
37
47
57
67
77
87
18
28
38
48
58
68
78
88
FF
BC
D
DB
L
BB
S
Z
Merek saat ini
Merek Sebelumnya
Matriks P memperlihatkan bahwa 73 merupakan probabilitas perpindahan

konsumen yang saat sebelumnya mengkonsumsi merek Dancow dan sekarang
mengkonsumsi merek SGM. Sedangkan 55 merupakan probabilitas pembelian
ulang merek Lactogen oleh konsumen yang loyal.
4.3.1.4 Membentuk Vektor Keadaan Awal ( )
Vektor keadaan awal ((0) ) merupakan pangsa pasar penjualan produk susu
balita saat ini yang dapat dibentuk dari Tabel 4.6 berupa vektor kolom yang terdiri
dari 8 baris. Entri-entri dari (0) adalah 1 , 2 , , 8 adalah tak negatif dan
mempunyai jumlah sama dengan 1, sehingga disebut juga vektor probabilitas
(probability vector). Entri-entri dari (0) adalah seperti berikut.
(0)
1
0,0328
2
0,1148
3
0,3279
4
0,0820
= =
0,1311
5
6
0,0656
7
0,1967
8
0,0492
Nilai probabilitas 1 = 0,0328 diperoleh dari
2
61
, dengan angka 2 menunjukkan
jumlah konsumen merek Frisian Flag saat ini dan 61 merupakan total jumlah
konsumen kedelepan merek pada saat ini. Nilai probabilitas 2 = 0,1148
7
diperoleh dari 61 , dengan angka 7 menunjukkan jumlah konsumen merek BC saat

ini dan 61 merupakan total jumlah konsumen kedelepan merek pada saat ini
(Tabel 4.5). Begitu seterusnya untuk memperoleh nilai 3 , , 8 .
45
4.3.1.5 Memeriksa Apakah Matriks Probabilitas Transisi Rantai Markov

(P) Bersifat Reguler
Sebuah matriks transisi P disebut matriks transisi reguler jika terdapat suatu
bilangan bulat positif m sedemikian sehingga seluruh entri dari adalah positif
(Definisi 2.2.6). Akan dicari bilangan bulat positif m sehingga terdapat suatu
yang seluruh entrinya adalah positif,.
0,0000
0,0000
0,0000
0,6667
= 1 =
0,0000
0,0000
0,3333
0,0000
0,0000
0,3846
0,1538
0,0000
0,0000
0,1538
0,2308
0,0769
0,0000
0,0000
0,0714
0,4445
2
= =
0,1190
0,0476
0,3174
0,0000
0,0714
0,0000
0,7143
0,0000
0,0000
0,0000
0,1429
0,0714
0,0110
0,1699
0,3283
0,0000
0,1593
0,0921
0,1877
0,0515
0,0000
0,0000
0,0000
0,6667
0,0000
0,0000
0,3333
0,0000
0,0510
0,0204
0,5715
0,0476
0,0510
0,0204
0,1769
0,0612
0,2000
0,0000
0,2000
0,2000
0,4000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0714
0,4445
0,1190
0,0476
0,3174
0,0000
0,0943
0,0000
0,2229
0,3467
0,1600
0,0000
0,1619
0,0143
0,0000
0,0000
0,5000
0,0000
0,5000
0,0000
0,0000
0,0000
0,0000
0,0000
0,2143
0,0000
0,3571
0,1429
0,2857
0,0000
0,1357
0,0000
0,4572
0,1000
0,2000
0,0000
0,0715
0,0357
0,0867
0,0000
0,3572
0,0714
0,3163
0,0408
0,1122
0,0153
0,0000
0,2857
0,4286
0,0000
0,0000
0,0000
0,1429
0,1429
0,0306
0,1507
0,4420
0,0000
0,0510
0,0644
0,1884
0,0730
Matriks 2 belum menghasilkan seluruh entri-entri dari P bernilai positif karena

terdapat entri-entri bernilai 0 (yang diberi warna merah) sebanyak 12 entri.
Akan dicari 3 seperti berikut:
0,0289
0,0000
0,1667
0,3201
3 =
0,1848
0,0454
0,2490
0,0051
0,0553
0,0801
0,4009
0,0392
0,1768
0,0529
0,1508
0,0439
0,0510
0,0253
0,4959
0,0759
0,0938
0,0284
0,1785
0,0511
0,0289
0,0000
0,1667
0,3201
0,1848
0,0454
0,2490
0,0051
0,0479
0,0041
0,2320
0,3260
0,1218
0,0231
0,2271
0,0180
0,0726
0,0102
0,3972
0,1971
0,1055
0,0102
0,1694
0,0377
0,0888
0,0044
0,3694
0,1687
0,1870
0,0160
0,1380
0,0277
0,0418
0,0788
0,4529
0,0306
0,1199
0,0501
0,1724
0,0536
Matriks 3 belum menghasilkan seluruh entri-entri dari P bernilai positif karena

terdapat 2 entri yang bernilai 0 (yang diberi warna merah).
Selanjutnya akan dicari 4 seperti berikut:
46
0,0489
0,0015
0,2342
0,2697
4
=
0,1855
0,0356
0,2120
0,0126
0,0640
0,0433
0,4116
0,0984
0,1510
0,0339
0,1566
0,0411
0,0542
0,0243
0,4512
0,1034
0,1155
0,0294
0,1773
0,0447
0,0489
0,0015
0,2342
0,2697
0,1855
0,0356
0,2120
0,0126
0,0409
0,0067
0,2586
0,2736
0,1414
0,0331
0,2262
0,0194
0,0495
0,0147
0,3639
0,2010
0,1078
0,0258
0,2028
0,0345
0,0638
0,0096
0,3514
0,2091
0,1321
0,0204
0,1830
0,0307
0,0563
0,0456
0,4446
0,0722
0,1346
0,0368
0,1639
0,0461
Matriks 4 menghasilkan seluruh entri-entri dari P bernilai positif, sehingga

matriks merupakan matriks transisi yang bersifat reguler dengan = 4.
Sebuah rantai Markov yang ditentukan oleh sebuah matriks transisi reguler
disebut rantai Markov reguler (regular Markov chain). Setiap rantai Markov
reguler mempunyai sebuah vektor kedaan tetap sedemikian sehingga (0)
mendekati seiring dengan meningkatnya untuk sebarang pilihan (0) .
4.3.1.6 Memprediksi Probabilitas Perpindahan Merek Produk Susu Balita
pada Masa Mendatang Secara Numerik
Persamaan (2.14) pada Teorema 2.2.5 yaitu (+1) = () dapat dibentuk
menjadi Persamaan-persamaan (2.15-2.18) berikut:
(1) = (0)
(2) = (1) = 2 (0)
3 = 2 = 3 (0)
() = 1 = (0)
Dengan menggunakan persamaan
1 =0
0,0000
0,0000
0,0000
1 =
0,6667
0,0000
0,0000
0,3333
0,0000
0,0000
0,3846
0,1538
0,0000
0,0000
0,1538
0,2308
0,0769
0,0714
0,0000
0,7143
0,0000
0,0000
0,0000
0,1429
0,0714
0,0000
0,0000
0,0000
0,6667
0,0000
0,0000
0,3333
0,0000
0,2000
0,0000
0,2000
0,2000
0,4000
0,0000
0,0000
0,0000
0,0000
0,0000
0,5000
0,0000
0,5000
0,0000
0,0000
0,0000
0,0000
0,0000
0,2143
0,0000
0,3571
0,1429
0,2857
0,0000
0,0000
0,2857
0,4286
0,0000
0,0000
0,0000
0,1429
0,1429
0,0328
0,1148
0,3279
0,0820
0,1311
0,0656
0,1967
0,0492
diperoleh nilai vektor probabilitas (1) , yaitu sebagai berikut.
47
0,0496
0,0582
0,3741
0,1028
=
0,1555
0,0458
0,1748
0,0393
Dengan cara yang sama, akan dicari (2) dengan menggunakan persamaan
(2) = (1)
0,0000
0,0000
0,0000
2 =
0,6667
0,0000
0,0000
0,3333
0,0000
0,0000
0,3846
0,1538
0,0000
0,0000
0,1538
0,2308
0,0769
0,0714
0,0000
0,7143
0,0000
0,0000
0,0000
0,1429
0,0714
0,0000
0,0000
0,0000
0,6667
0,0000
0,0000
0,3333
0,0000
0,2000
0,0000
0,2000
0,2000
0,4000
0,0000
0,0000
0,0000
0,0000
0,0000
0,5000
0,0000
0,5000
0,0000
0,0000
0,0000
0,0000
0,0000
0,2143
0,0000
0,3571
0,1429
0,2857
0,0000
0,0000
0,2857
0,4286
0,0000
0,0000
0,0000
0,1429
0,1429
0,0496
0,0582
0,3741
0,1028
0,1555
0,0458
0,1748
0,0393
diperoleh nilai vektor keadaan (2) , yaitu
0,0578
0,0336
0,3845
0,1327
=
0,1475
0,0339
0,1733
0,0368
atau 2 dengan nilai yang sama juga dapat diperoleh dengan menggunakan
persamaan berikut:
2 = 2 0
0,0000
0,0000
0,0714
0,4445
=
0,1190
0,0476
0,3174
0,0000
0,0110
0,1699
0,3283
0,0000
0,1593
0,0921
0,1877
0,0515
0,0510
0,0204
0,5715
0,0476
0,0510
0,0204
0,1769
0,0612
0,0000
0,0000
0,0714
0,4445
0,1190
0,0476
0,3174
0,0000
0,0943
0,0000
0,2229
0,3467
0,1600
0,0000
0,1619
0,0143
0,1357
0,0000
0,4572
0,1000
0,2000
0,0000
0,0715
0,0357
0,0867
0,0000
0,3572
0,0714
0,3163
0,0408
0,1122
0,0153
0,0306
0,1507
0,4420
0,0000
0,0510
0,0644
0,1884
0,0730
0,0328
0,1148
0,3279
0,0820
0,1311
0,0656
0,1967
0,0492
diperoleh nilai vektor keadaan (2) , yaitu
0,0578
0,0336
0,3845
0,1327
=
0,1475
0,0339
0,1733
0,0368
48
Analog dengan cara diatas, akan diperoleh nilai dari 3 sampai dengan 22 .
Entri-entri 0 , , 3 dan 20 , , 22 dapat dilihat pada Tabel 4.7 berikut.
Tabel 4.7 Vektor Keadaan 0 , , 3 dan 20 , , 22
M
FF
BC
D
DB
L
BB
S
Z
()
3,28%
11,48%
32,79%
8,20%
13,11%
6,56%
19,67%
4,92%
()
4,96%
5,82%
37,41%
10,28%
15,55%
4,58%
17,48%
3,93%
()
5,78%
3,36%
38,45%
13,27%
14,75%
3,39%
17,33%
3,68%
()
5,70%
2,34%
37,92%
15,65%
13,78%
2,99%
18,10%
3,53%
...
...
...
...
()
5,30%
1,41%
34,89%
19,00%
14,02%
2,99%
19,38%
3,03%
()
5,30%
1,41%
34,89%
19,00%
14,02%
2,99%
19,38%
3,03%
()
5,30%
1,41%
34,89%
19,00%
14,02%
2,99%
19,38%
3,03%

M
: Merek
Berdasarkan hasil perhitungan dengan program MATLAB, diperoleh nilai

probabilitas perpindahan konsumen dari masing-masing merek susu balita akan
konvergen ke satu nilai atau berada pada keadaan tetap (steady state) saat langkah
(step) ke 20. Vektor keadaan 0 , , 22 dapat dilihat selengkapnya pada
Lampiran 5.
Prediksi probabilitas perpindahan konsumen merek produk susu balita di
masa mendatang berdasarkan hasil perhitungan dengan program MATLAB adalah
sebagai berikut:
a. Merek Dancow sempat mengalami kenaikan pada langkah 1 dan langkah 2,
setelah itu mengalami penurunan hingga mencapai steady state, namun
Dancow masih tetap mendominasi dan menjadi merek pilihan pertama oleh
konsumen dengan probabilitas sebesar 34,89%.
b. Merek SGM mengalami penurunan pada langkah 1 dan langkah 2,
kemudian mengalami kenaikan dari langkah 3 sampai mencapai steady state
dan menjadi merek pilihan kedua setelah Dancow dengan probabilitasnya
sebesar 19,38%.
49
c. Merek Dancow Batita mengalami kenaikan jumlah konsumen dari langkah

1 sampai mencapai steady state dan menjadi merek pilihan ketiga dengan
probabilitasnya sebesar 19%.
d. Merek Lactogen mengalami kenaikan pada langkah 1, setelah itu mengalami
penurunan sampai langkah 4, selanjutnya mengalami kenaikan terus
menerus sampai mencapai steady state dan menjadi merek pilihan keempat
dengan probabilitas sebesar 14,02%.
e. Merek Frisian Flag mengalami kenaikan pada langkah 1 dan 2, kemudian
mengalami penurunan sampai langkah 10. Setelah itu tetap stabil hingga
mencapai steady state dan menjadi merek pilihan kelima dengan
probabilitas sebesar 5,30%.
f. Merek Lainnya mengalami penurunan dari langkah 1 sampai mencapai
steady state dan menjadi merek pilihan keenam dengan probabilitas sebesar
3,03%.
g. Merek gabungan Bebelove dan Bebelac mengalami penurunan pada langkah
1 sampai langkah 4, setelah itu mengalami kenaikan pada langkah 6,
kemudian stabil pada langkah 7 dan mengalami penurunan pada langkah 8.
Selanjutnya stabil sampai dengan langkah 13, setelah itu mengalami
kenaikan pada langkah 14, kemudian stabil hingga mencapai steady state
dan menjadi merek pilihan ketujuh dengan probabilitas sebesar 2,99%.
h. Merek urutan paling terakhir yang menjadi pilihan konsumen adalah
gabungan merek BMT, chilmil, chilkid dan chilschool dengan nilai
probabilitas sebesar 1,41%. Gabungan merek BMT, chilmil, chilkid dan
chilschool mengalami penurunan dari langkah 1 sampai mencapai steady
state.
4.3.1.7 Mencari Secara Eksak Nilai Vektor
Menggunakan Eselon Baris Tereduksi
Keadaan
Tetap
()
Nilai vektor kedaan tetap (q) dapat diperoleh dengan menggunakan

Persamaan (2.28) atau
=
50
Diberikan
1
0
0
0
=
0
0
0
0
0
1
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
1
dan
0,0000
0,0000
0,0000
=
0,6667
0,0000
0,0000
0,3333
0,0000
0,0000
0,3846
0,1538
0,0000
0,0000
0,1538
0,2308
0,0769
0,0714
0,0000
0,7143
0,0000
0,0000
0,0000
0,1429
0,0714
0,0000
0,0000
0,0000
0,6667
0,0000
0,0000
0,3333
0,0000
0,2000
0,0000
0,2000
0,2000
0,4000
0,0000
0,0000
0,0000
0,0000
0,0000
0,5000
0,0000
0,5000
0,0000
0,0000
0,0000
0,0000
0,0000
0,2143
0,0000
0,3571
0,1429
0,2857
0,0000
0,0000
0,2857
0,4286
0,0000
.
0,0000
0,0000
0,1429
0,1429
Akan dicari eselon baris tereduksi dari sebagai berikut.
1,0000
0,0000
0,0000
0,6667
0,0000
0,0000
0,3333
0,0000
0,0000 0,0714 0,0000 0,2000 0,0000

0,0000
0,0000
0,6154
0,0000
0,0000
0,0000
0,0000
0,0000 0,2857
0,1538 0,2857
0,0000 0,2000 0,5000 0,2143 0,4286
0,0000
0,0000
0,3333 0,2000 0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,6000 0,5000 0,3571 0,0000
0,1538 0,0000
0,0000
0,0000
1,0000 0,1429 0,0000
0,2308 0,1429 0,3333 0,0000
0,0000
0,7143 0,1429
0,0769 0,0714 0,0000
0,0000
0,0000
0,0000
0,8571
Bentuk eselon baris tereduksi untuk matriks tersebut berbentuk

matriks segitiga atas seperti berikut:
1,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,000
0,0000
1,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0714
0,0000
1,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
1,0000
0,0000
0,0000
0,0000
0,0000
0,2000
0,0000
0,7000
1,0999
1,0000
0,0000
0,0000
0,0000
0,0000
0,0000
1,7501
0,2499
0,8333
1,0000
0,0000
0,0000
0,0000
0,0000
1,7501
0,1071
0.5952
0,1429
1,0000
0,0000
0,0000
0,4672
1,7518
0,2502
.
0,0000
0,0719
6,4052
0,0025
Sehingga dari persamaan

= ,
menghasilkan
1,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,000
0,0000 0,0714 0,0000 0,2000

1,0000 0,0000 0,0000
0,0000
0,0000 1,0000 0,0000 0,7000
0,0000 0,0000 1,0000 1,0999
0,0000 0,0000 0,0000
1,0000
0,0000 0,0000 0,0000
0,0000
0,0000 0,0000 0,0000
0,0000
0,0000 0,0000 0,0000
0,0000
0,0000
0,0000
1,7501
0,2499
0,8333
1,0000
0,0000
0,0000
0,0000
0,0000
1,7501
0,1071
0.5952
0,1429
1,0000
0,0000
0,0000
0,4672
1,7518
0,2502
0,0000
0,0719
6,4052
0,0025
1
0
2
0
3
0
4
0
5 = 0
6
0
7
0
8
0
51
Diperoleh:
1 = 1,7400 8
2 = 0,5000 8
3 = 11,5200 8
4 = 6,3300 8
5 = 4,6600 8
6 = 0,9700 8
7 = 6,4100 8
Jika ditetapkan 8 = , maka diperoleh
1,7400
0,5000
11,5200
6,3300
=
4,6600
0,9700
6,4100
1,0000
Selanjutnya dihasilkan vektor keadaan tetap () , dengan menetapkan

=
1
1,7400 + 0,5000 + 11,5200 + 6,3300 + 4,6600 + 0,9700 + 6,4100 + 1
=
1
33,1300
= 0,0302
Dengan demikian, vektor keadaan tetap dari sistem tersebut adalah

0,0525
0,0151
0,3479
0,1912
=
0,1407
0,0293
0,1936
0,0302
Hasil ini mendekati hasil yang diperoleh secara numerik pada Tabel 4.7.
Berdasarkan hasil perhitungan secara eksak, nilai probabilitas perpindahan
konsumen dari masing-masing merek susu balita akan konvergen atau berada
pada keadaan tetap. Probabilitas perpindahan konsumen dari yang terbesar
berturut-turut adalah merek Dancow 34,79%; merek SGM
19,36%; merek
Dancow batita 19,12%; Lactogen 14,07%; Frisian Flag 5,25 %; merek Lainnya
3,02%; gabungan merek Bebelove dan Bebelac 2,93%; yang terakhir adalah
52
gabungan merek BMT, Chilmil, Chilkid dan Chilschool 1,51%. Selanjutnya,

kesimpulan yang diambil berdasarkan nilai yang dihasilkan secara numerik.
4.3.2 Analisis Deskriptif Kualitatif
Analisis data deskriptif kualitatif dapat dilakukan dengan 12 cara, salah
satunya adalah dengan menghitung (counting) (Miles dan Huberman, 1984).
Sebelum mengidentifikasi alasan-alasan orangtua konsumen dalam memilih
merek produk susu balita bagi sang anak, setiap alasan prioritas pertama yang
diungkapkan orangtua konsumen
dirangkum dan dibuat dalam bentuk tabel
seperti pada Tabel 4.8.

Alasan yang dikemukakan oleh orangtua konsumen dalam memilih merek
produk susu balita adalah sebanyak 12 alasan. Dari 61 orangtua konsumen,
terdapat 33 orangtua konsumen yang hanya mengungkapkan 1 alasan, 27 orangtua
konsumen mengungkapkan 2 alasan dan 1 orangtua konsumen
yang
mengungkapkan 3 alasan. Sehingga, jumlah alasan yang dikemukakan oleh 61

orangtua konsumen adalah sebayak 90 alasan. Dari 90 alasan, diambil 61 alasan
prioritas pertama dari setiap orangtua konsumen.
Alasan-alasan orangtua konsumen dalam memilih merek produk susu balita
dapat dilihat selengkapnya pada Tabel 4.8 berikut.
53
Tabel 4.8 Alasan-alasan Orangtua Konsumen dalam Memilih Merek Susu Balita
No
Alasan
Harga
terjangkau
Komposisi
lengkap
Kecocokan
dengan sang
anak
Terpengaruh
iklan
Saran dari
orang lain
Mendukung
keaktifan
anak
Pilihan Rasa
Berkualitas
(bagus)
Tambahan
ASI
Kebiasaan
Kebetulan
Mudah
mendapatkan
produk
2
3
4
5
6
7
8
9
10
11
12
FF
BC
Merek saat ini

D
DB L
BB
1
b
c
15
S
1
2
2
40
g
h
JOK
4
1
1
2
i
j
k
l
1
1
3
3
2
1
1
2
1
1
Total
61

S
: Simbol alasan yang diungkapkan orangtua konsumen
JOK
: Jumlah Orangtua Konsumen

Pada Tabel 4.8 memperlihatkan bahwa alasan orangtua konsumen yang
paling dominan dalam memilih produk susu balita adalah adanya kecocokan
dengan sang anak, alasan berikutnya adalah saran dari orang lain. Namun, tidak
ada orangtua konsumen yang menjadikan iklan produk susu balita sebagai alasan
prioritas pertama. Alasan-alasan yang diungkapkan orangtua konsumen dalam
memilih merek susu balita dapat dilihat selengkapnya pada Lampiran 4.
54
V PENUTUP
5.1 Kesimpulan
Kesimpulan yang dapat diambil berdasarkan hasil penelitian adalah sebagai
berikut:
1. Probabilitas perpindahan konsumen merek susu balita di Kompleks Maduraja
saat ini dapat dilihat pada matriks transisi rantai Markov (P) berikut ini:
FF
0,0000
0,0000
0,0000
0,6667
=
0,0000
0,0000
0,3333
0,0000
BC
0,0000
0,3846
0,1538
0,0000
0,0000
0,1538
0,2308
0,0769
DB
0,0714
0,0000
0,7143
0,0000
0,0000
0,0000
0,1429
0,0714
0,0000
0,0000
0,0000
0,6667
0,0000
0,0000
0,3333
0,0000
0,2000
0,0000
0,2000
0,2000
0,4000
0,0000
0,0000
0,0000
BB
0,0000
0,0000
0,5000
0,0000
0,5000
0,0000
0,0000
0,0000
S
0,0000
0,0000
0,2143
0,0000
0,3571
0,1429
0,2857
0,0000
Z
0,0000
0,2857
0,4286
0,0000
0,0000
0,0000
0,1429
0,1429
FF
BC
D
DB
L
BB
S
Z
2. Prediksi probabilitas perpindahan konsumen pada masing-masing merek susu

balita di Kompleks Maduraja pada masa mendatang akan konvergen ke satu
nilai atau berada pada kondisi tetap (steady state) pada langkah ke 20, dengan
nilai probabilitasnya dari yang terbesar secara berturut-turut adalah Dancow
(34,89%); SGM (19,38%); Dancow Batita (19%); Lactogen (14,02%); Frisian
Flag (5,30%); merek Lainnya (3,03%); gabungan merek Bebelove dan Bebelac
(2,99%); yang terakhir adalah gabungan merek BMT, Chilmil, Chilkid dan
Chilschool (1,41%).
3. Alasan orangtua konsumen di Kompleks Maduraja yang paling dominan dalam
memilih merek susu balita adalah adanya kecocokan dengan sang anak, alasan
berikutnya adalah saran dari orang lain. Namun, tidak ada orangtua konsumen
yang menjadikan iklan produk susu balita sebagai alasan prioritas pertama.
5.2 Saran
Saran yang dapat penulis sampaikan adalah sebagai berikut:
1. Penelitian selanjutnya dapat digeneralisasi dengan menggunakan populasi
seluruh konsumen susu balita di Kabupaten Manokwari.
55
2. Pada penelitian ini, tidak ada orangtua konsumen yang menjadikan iklan
produk susu balita sebagai alasan prioritas pertama dalam memilih merek susu
balita. Penelitian selanjutnya, dapat dilakukan dengan tujuan mengetahui
pengaruh iklan terhadap alasan orangtua konsumen dalam memilih merek susu
balita bagi sang anak.
56
DAFTAR PUSTAKA
Allo, D. G., Hatidja, D., & Paendong, M. 2013. Analisis Rantai Markov untuk
Mengetahui Probabilitas Perpindahan Merek Kartu Seluler Pra Bayar
GSM (Studi Kasus Mahasiswa Fakultas Pertanian Unsrat Manado). Jurnal
Mipa Unsrat Online 2 (!) 17-22 .
Anton, H., dan Rorres, C. 2002. Aljabar Linier Elementer Versi Aplikasi Edisi
Kedelapan Jilid 1. Jakarta: Erlangga.
. 2005. Aljabar Linier Elementer Versi Aplikasi Edisi
Kedelapan Jilid 2. Jakarta: Erlangga.
BPS. 2012. Statistik Daerah Kabupaten Manokwari 2012. Manokwari: BPS
Kabupaten Manokwari.
Budhi, W. S. 1995. Aljabar Linier. Jakarta: PT Gramedia Pustaka Utama.
Chiang, A. C., dan Wainwright, K. 2002. Dasar-dasar Matematika Ekonomi Edisi
Keempat Jilid 1. Jakarta: Erlangga.
D'Alessandro, D. F., dan Owens, M. 2001. Perang Merek (10 Hukum untuk
Membangun "The Killer Brand"). Yogyakarta: Andi.
Dharmmesta, B. S., dan Handoko, H. 2008. Manajemen Pemasaran Analisis
Perilaku Konsumen Edisi Pertama. Yogyakarta: BPFE.
Djan, I., dan Ruvendi, R. 2006. Prediksi Perpindahan Penggunaan Merek
Handphone di Kalangan Mahasiswa (Studi Kasus pada Mahasiswa
Binaniaga). Jurnal Ilmiah Binaniaga Vol 02 No 1.
Harinaldi. 2005. Prinsip-prinsip Statistik untuk Teknik dan Sains. Jakarta:
Erlangga.
Hasan, A. 2009. Marketing. Yogyakarta: Media Pressindo.
Hemilda, Yugi. 2010. Aplikasi Rantai Markov dalam Menganalisis Perpindahan
Tempat Belanja (Studi Kasus pada Konsumen yang Berbelanja Di Pasar
Modern Kota Semarang). Skripsi Program Studi Matematika Jurusan
Matematika Fakultas MIPA. Semarang: Universitas Diponegoro.
Irawan, Wijaya, F., dan Sudjoni, M. N. 2001. Pemasaran Prinsip dan Kasus Edisi
2. Jakarta: BPFE.
Kotler, P. 1988. Manajemen Pemasaran (Analisis, Perencanaan, Implementasi
dan Pengendalian) Jilid 1. Jakarta: Erlangga.
57
Kotler, P., dan Armstrong, G. 2001. Prinsip-prinsip Pemasaran Edisi Kedelapan

Jilid 1. Jakarta: Erlangga.
Kurniawati, T. H. 2012. Aplikasi Rantai Markov dalam Manganalisis Pangsa
Pasar Terhadap Produk Sabun Mandi (Lifebuoy, Dettol, Nuvo dan
Mediacare) Studi Kasus di Wilayah Surabaya Timur. Skripsi Jurusan
Teknik Industri Fakultas Teknik Industri. Jawa Timur: Universitas
Pembangunan Nasional "Veteran".
Leon, S. J. 2001. Aljabar Linier dan Aplikasinya Edisi 5. Jakarta: Erlangga.
Miles, M. B., dan Huberman, A. M. 1984. Qualitative Data Analysis A Source of
New Methods. California:Sage Publications.
Nadesul, H. 2007. Membesarkan Bayi Jadi Anak Pintar. Jakarta: Kompas Media
Nusantara.
Noer F, H. 2011. Growing Up Milks Still Growing. Retrieved April 22, 2013,
from foodreview: http://www.preview.php.htm 2.htm
Taylor, H. M., dan Karlin, S. 1998. An Introduction To Stochastic Modeling 3rd
Edition. New York: Academic Press.
Tri, E. S., dan Manik, E. S. 2009. Produk Olahan Susu. Jakarta: Penebar
Swadaya.
Umar, H. 2011. Metode Penelitian untuk Skripsi dan Tesis Bisnis. Jakarta:
Rajawali Pers.
Voelker, D. H., Orton, P. Z., dan Adams, S. V. 2004. Matematika Keterampilan
Statistika. Bandung: Pakar Raya, PT Intan Sejati.
Weber, J. E. 1999. Analisis Matematik Penerapan Bisnis dan Ekonomi Edisi
Keempat Jilid 2. Jakarta: Erlangga.
Wordpress. 2011. Keseimbangan Pangsa Pasar pada Rantai Markov. Retrieved
April 23, 2013,. http://www. Supplay Chain Management .htm
Www. Google earth.com. Retrieved Mei 15, 2013.
58
59
Lampiran 1 Peta Administrasi Kelurahan Wosi
60
Lampiran 2 Blok Kerangka Sampel
61
Lampiran 3 Kuisioner
KUESIONER
Judul Penelitian
Nama Peneliti
NIM
Jurusan
Program Studi
:
:
:
:
Aplikasi Rantai Markov dalam Menganalisis Probabilitas

Perpindahan Merek Susu Balita (Studi Kasus pada
Konsumen Di Kompleks Maduraja Distrik Manokwari Barat).
Zuhan Nafihah
200936019
Matematika dan Statistika
Matematika
Jawablah setiap pertanyaan yang ada dalam kuesioner sesuai dengan

identitas dan pengalaman anda! (rahasia identitas responden terjamin).
Nomor Respoden
Status Responden
A. Identitas Orangtua Konsumen

No
Identitas
1. Nama
2. Pendidikan terakhir
3. Pekerjaan
Ayah balita
Ibu balita
B. Identitas Anak (Konsumen Produk Susu Balita)

1.
2.
Nama balita
Tempat tanggal lahir
C. Merek Produk Susu Balita Saat Ini

1. Apa merek susu balita yang dikonsumsi anak anda saat ini ?
Jawab :.
62
Lanjutan Lampiran 3
2. Alasan mengkonsumsi merek susu balita diatas: (pilih maksimal 3 alasan
utama)
a. Harga terjangkau
b. Komposisi lengkap
c. Kecocokan dengan sang anak
d. Terpengaruh iklan
e. Saran dari orang lain (Dokter, teman, tetangga atau keluarga)
Lainnya (sebutkan apa saja selain pilihan a-e!)
f. .
g. .
D. Perpindahan Merek Susu Balita
a. Pernahkah anak anda mengkonsumsi merek susu balita lain sebelumnya?
a. Ya
b. Tidak
Jika Ya, maka lanjut pertanyaan berikutnya. Jika Tidak, maka STOP!
1. Apa merek susu balita yang dikonsumsi anak anda sebelumnya?
Jawab :.
Terima kasih banyak atas partisipasi anda dalam pengisian kuesioner ini!!!
63
Lampiran 4 Ringkasan Entrian Kuesioner dan Hasil Wawancara

Identitas Ayah
No
BL
NT
Identitas Ibu
Identitas Anak
Merek Susu Saat Ini
N3
Merek S
Alasan
14
15
16
N1
Suku
Pend.
Pekerjaan
N2
Suku
Pend.
Pekerjaan
10
11
12
Jawa
S1
Swasta
Jawa
SMA
Guru TK
thn
Dancow
Sunda
S1
Swasta
Jawa
S1
PNS
thn
NAN H.A 3
Mandacan
SD
Pedagang
Mandacan
no
Pedagang
thn
Lactogen
Mandacan
SD
Pedagang
Mandacan
no
Pedagang
thn
Lactogen
Jawa
Jawa
SD
Pedagang
10
bln
Lactogen
SGM
Makassar
S1
PNS
Makassar
S1
Guru SD (h)
thn
SGM
c,a,b
Dancow
Makassar
SMA
Swasta
Makassar
SMA
IRT
11
bln
Nutri Baby Royal
Chilmil
Makassar
SMA
Pedagang
Makassar
SMA
Pedagang
thn
SGM
a,c
Chilmil
Buton
SD
Swasta
Buton
SD
IRT
thn
Dancow batita
Frisian Flag
10
Buton
SD
Swasta
Buton
SD
IRT
bln
SGM
Frisian Flag
11
Jawa
S1
PNS
Jawa
SMA
IRT
thn
Dancow
Chilkid
Umur
Perpindahan Merek
13
Ya
Tdk
17
Merek D
18
AL 110
12
10
Makassar
SMA
Pedagang
Makassar
SMP
IRT
thn
Bebelove
13
11
Makassar
SMK
Swasta
Makassar
SMA
IRT
bln
BMT
e,c
SGM
14
12
Jawa
SMA
Pedagang
Jawa
SMA
IRT
thn
Frisian Flag
c, e
15
13
Makassar
SMA
Swasta
Makassar
SMP
IRT
thn
SGM
e,c
16
14
Makassar
SMP
Pedagang
Makassar
SMK
Pedagang
bln
SGM
17
15
Makassar
Aliyah
Pedagang
Makassar
SMA
IRT
10
bln
Bebelac
BMT
18
16
Makassar
SD
Swasta
Makassar
SMP
IRT
thn
Dancow
SGM
19
17
Sunda
SMA
Pedagang
Makassar
SMA
Pedagang
thn
Dancow Batita
c, b
Frisian Flag
20
18
Madura
SMA
Swasta
Madura
SMP
Pedagang
10
bln
Bebelove
b, c
SGM
Lactogen
64
Lanjutan Lampiran 4
Identitas Ayah
No
BL
NT
21
19
22
23
24
25
Identitas Ibu
Identitas Anak
Merek Susu Saat Ini
Perpindahan Merek
N1
Suku
Pend.
Pekerjaan
N2
Suku
Pend.
Pekerjaan
N3
Umur
Merek S
Alasan
Ya
Tdk
10
11
12
13
14
15
16
Makassar
SMA
Sopir
Makassar
SMA
IRT
thn
Dancow
Makassar
SMA
Sopir
Makassar
SMA
IRT
10
bln
Chilmil
20
Jawa
SMP
Bengkel
Jawa
SMA
IRT
thn
Dancow
21
Jawa
SMP
Bengkel
Jawa
SMA
IRT
thn
Dancow
c, g
22
Makassar
SMP
Pedagang
Makassar
SD
Pedagang
thn
SGM
Dancow batita
26
23
Makassar
SMP
Pedagang
Makassar
SMP
IRT
thn
Lactogen
SGM
27
24
Makassar
SMP
Sopir
Jawa
SMK
IRT
thn
Chilkid
h, c
Pediasure
28
25
Jawa
SMK
Pedagang
Jawa
SMP
IRT
thn
SGM
Chilmil
29
26
Jawa
MTS
Pedagang
Jawa
Aliyah
IRT
thn
Chilkid
c, i
S 26 Gold
30
27
Jawa
S1
Pedagang
Jawa
SMA
Pedagang
thn
Dancow
Nutrilon
31
28
Makassar
SMP
Sopir
Makassar
SMK
IRT
thn
SGM
Chilkid
32
29
Jawa
D3
Pedagang
Jawa
SMA
Pedagang
thn
Dancow
33
30
Jawa
SMP
Pedagang
Jawa
SMP
IRT
thn
Dancow
34
31
Jawa
S1
PNS
Jawa
S1
PNS
thn
Bebelac
Chilkid
35
32
Jawa
S1
Ojek
Jawa
SMP
IRT
thn
Dancow
Lactogen
36
33
Makassar
SD
Bangunan
Makassar
Aliyah
IRT
thn
Chilkid
37
34
Makassar
SMK
Pedagang
Makassar
D3
Perawat
thn
Dancow
c, d
38
35
Makassar
SLTA
Polisi
Makassar
S1
Guru
thn
Lactogen
b, c
39
36
Jawa
SMA
Pedagang
Jawa
SMP
Pedagang
thn
Dancow
40
37
Makassar
SMA
Swasta
Jawa
SMA
Swasta
thn
Dancow
17
Merek D
18
Chilkid
#
Boneeto
#
Bebelac
#
Bebelac
65
Lanjutan Lampiran 4
Identitas ayah
No
BL
NT
41
38
42
I
I
Identitas ibu
Identitas anak
Merek susu saat ini
N1
Suku
Pend.
Pekerjaan
N2
Suku
Pend.
Pekerjaan
N3
Umur
Merek S
Alasan
10
11
12
13
14
15
16
Buton
SD
Ojek
Buton
SD
IRT
thn
Lactogen
39
Jawa
SMA
Pedagang
Jawa
SD
IRT
thn
Dancow
l, c
Perpindahan merek
Ya
Tdk
17
Merek D
18
SGM
#
40
Jawa
STM
Ojek
Jawa
SMA
Pedagang
thn
Dancow
c, a
SGM
44
41
Jawa
SMP
Swasta
Jawa
SMP
IRT
thn
Milo
Dancow
45
42
Makassar
SMA
Swasta
Makassar
SMA
Pedagang
thn
Dancow
j, c
46
Makassar
SMA
Swasta
Makassar
SMA
Pedagang
thn
Dancow
j, c
47
Buton
SMA
Pedagang
Buton
SMA
IRT
thn
Dancow batita
48
Buton
SMA
Pedagang
Buton
SMA
IRT
thn
Dancow batita
49
44
Buton
SMP
Pedagang
Buton
SD
Pedagang
thn
SGM
h, c
50
45
Jawa
SD
Bangunan
Jawa
SD
Pedagang
thn
Dancow
51
46
Buton
SMA
Pedagang
Buton
SMP
IRT
thn
Lactogen
52
47
Jawa
SMP
Pedagang
Jawa
SMP
IRT
thn
SGM
c, a
53
48
Buton
S1
Pedagang
Buton
SMP
Pedagang
thn
Dancow
k, c
Nutrilon
49
SMA
SMA
IRT
thn
SGM
g, c
Dancow
50
S1
PNS (Guru)
thn
Chilschool
g, c
51
Kehutanan
(H)
Staf Dinas
Kes
Swasta
SMA
IRT
thn
Dancow
SGM
43
54
55
56
H
H
G
43
Makassar
Makassar
Jawa
S1
SMA
Makassar
Makassar
Jawa
Milo
#
SGM
#
#
SGM
57
52
Buton
SD
Pedagang
Buton
SMA
IRT
thn
Lactogen
i, c
58
53
Jawa
STM
Bengkel
Jawa
SMK
IRT
thn
Frisian Flag
g, c
Dancow
59
54
Jawa
D3
PNS
Jawa
D3
IRT
thn
Dancow batita
Lactogen
60
55
Buton
SMP
Pedagang
Buton
SD
Pedagang
thn
SGM
66
Lanjutan Lampiran 4
Identitas ayah
No
BL
NT
56
61
Identitas ibu
Identitas anak
Merek susu saat ini
N1
Suku
Pend.
Pekerjaan
N2
Suku
Pend.
Pekerjaan
N3
Umur
Merek S
Alasan
10
11
12
13
14
15
16
Jawa
S1
Bengkel
Jawa
D3
PNS
Chilschool
thn
Perpindahan merek
Ya
Tdk
17
Merek D
18
Keterangan Lampiran 4
H : Honorer
NT : Nomor urut rumahtangga
N1 : Nama ayah
N2 : Nama ibu
N3 : Nama anak
R
: Status responden (r=ayah, s= ibu, t=keluarga)
Kes : Kesehatan
Pend. : Pendidikan
thn
: Tahun
bln
: Bulan
Merek D : Merek sebelumnya
Merek S : Merek saat ini
BL : Blok tempat tinggal
a, b, , l : merupakan simbol dari 12 alasan yang diungkapkan orangtua konsumen (selalu disusun berurutan dari prioritas pertama)
67
Lampiran 5 Vektor Keadaan () , , ()

Merek
()
()
()
()
()
()
()
()
()
()
()
()
Frisian Flag
0,0328
0,1148
0,3279
0,0820
0,1311
0,0656
0,1967
0,0492
0,0496
0,0582
0,3741
0,1028
0,1555
0,0458
0,1748
0,0393
0,0578
0,0336
0,3845
0,1327
0,1475
0,0339
0,1733
0,0368
0,0570
0,0234
0,3792
0,1565
0,1378
0,0299
0,1810
0,0353
0,0546
0,0191
0,3709
0,1699
0,1347
0,0295
0,1875
0,0339
0,0534
0,0170
0,3643
0,1766
0,1356
0,0297
0,1907
0,0328
0,0531
0,0159
0,3597
0,1805
0,1372
0,0299
0,1918
0,0320
0,0531
0,0153
0,3566
0,1832
0,1383
0,0299
0,1923
0,0315
0,0531
0,0149
0,3543
0,1852
0,1389
0,0298
0,1927
0,0311
0,0531
0,0146
0,3527
0,1867
0,1393
0,0298
0,1930
0,0309
0,0530
0,0144
0,3516
0,1877
0,1395
0,0298
0,1932
0,0307
0,0530
0,0143
0,3507
0,1884
0,1397
0,0298
0,1934
0,0306
Dancow
Dancow Batita
Lactogen
SGM
Lainnya
Merek
()
()
()
()
()
()
()
()
()
()
()
Frisian Flag
0,0530
0,0143
0,3502
0,1889
0,1399
0,0298
0,1935
0,0305
0,0530
0,0142
0,3498
0,1893
0,1400
0,0298
0,1936
0,0305
0,0530
0,0142
0,3495
0,1895
0,1401
0,0299
0,1937
0,0304
0,0530
0,0141
0,3493
0,1897
0,1401
0,0299
0,1937
0,0304
0,0530
0,0141
0,3492
0,1898
0,1401
0,0299
0,1937
0,0304
0,0530
0,0141
0,3491
0,1899
0,1402
0,0299
0,1937
0,0304
0,0530
0,0141
0,3490
0,1899
0,1402
0,0299
0,1938
0,0303
0,0530
0,0141
0,3490
0,1900
0,1402
0,0299
0,1938
0,0303
0,0530
0,0141
0,3489
0,1900
0,1402
0,0299
0,1938
0,0303
0,0530
0,0141
0,3489
0,1900
0,1402
0,0299
0,1938
0,0303
0,0530
0,0141
0,3489
0,1900
0,1402
0,0299
0,1938
0,0303
Dancow
Dancow Batita
Lactogen
SGM
Lainnya
Keterangan :
Kolom yang diberi warna kuning merupkaan keadaan tetap (steady state).
68

Rantai Markov Produk Minuman

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Rantai Markov Produk Minuman

Diunggah oleh

Hak Cipta:

Format Tersedia

APLIKASI RANTAI MARKOV DALAM MENGANALISIS

PROBABILITAS PERPINDAHAN MEREK SUSU BALITA

PROGRAM STUDI MATEMATIKA

APLIKASI RANTAI MARKOV DALAM MENGANALISIS

PROGRAM STUDI MATEMATIKA

Ir. Benidiktus Tanujaya, M.Si selaku dosen pembimbing akademik atas

Kepala Kelurahan Wosi Distrik Manokwari Barat yang telah memberikan

Sahabat-sahabat terbaik penulis (Paradila, Mutia, Elita, Eny) yang telah

Manokwari, Juli 2013

2.7.2 Vektor dan Matriks pada MATLAB ............................................. 27

1.1 Latar Belakang

Distrik/Kecamatan. Wilayah yang paling padat penduduknya di Kabupaten

Rantai Markov (Markov chain) telah digunakan untuk menganalisis

1.2 Rumusan Masalah

konsumen merek produk susu balita saat ini maupun di masa

mendatang dengan menggunakan rantai Markov (studi kasus pada konsumen di

Sistem linier pada (2.1) disebut sistem linier , dengan merupakan

Notasi singkat matriks dapat ditulis sebagai

Suatu matriks berorde disebut matriks segitiga atas (upper

2.1.3 Matriks yang Diperbesar

ini disebut matriks diperbesar (augmented matrix) dari sistem tersebut.

Operasi baris elementer yang dilakukan adalah sebagai berikut.

1. Tambahkan -2 kali baris pertama ke baris kedua,

2. Tambahkan -3 kali baris pertama ke baris ketiga,

4. Tambahkan -3 kali baris kedua ke baris ketiga,

5. Kalikan baris ketiga dengan -2,

6. Tambahkan -1 kali baris kedua ke baris pertama,

yang merupakan penyelesaian dari SPL, yaitu = 1, = 2 dan = 3.

Dari reduksi tersebut, diperoleh solusi = 1, = 2 dan = 3. Ini merupakan

Matriks-matriks berikut ini adalah dalam bentuk eselon baris

Prosedur yang menghasilkan matriks bentuk eselon baris disebut eliminasi

Operasi + , + , dan tidak dapat diselesaikan.

2.3 + 1.2 + 3.1 2. 2 + 1.4 + 3. (3)

2.1.7 Matriks Identitas

2.1.8 Matriks Taknegatif

disebut matriks taknegatif

2.1.9 Pangkat Suatu Matriks

2.1.10 Matriks Transisi

yang memenuhi persamaan

untuk setiap 0 dan 0 merupakan vektor awal. Matriks A disebut matriks

2.2 Rantai Markov

banyaknya keluaran (keberhasilan) kejadian tersebut terhadap banyaknya seluruh

seluruh keluaran yang mungkin

Teori klasik hanya menyinggung keluaran-keluaran yang saling berdiri sendiri

untuk diskrit dan = [0, ) untuk kontinu

: peubah acak yang berhubungan dengan pelemparan pertama

: peubah acak yang berhubungan dengan pelemparan kedua

: peubah acak yang berhubungan dengan pelemparan ke-n

1 sampai disebut keluarga peubah acak atau disebut proses stokastik.

Proses Markov menurut Leon (2001) memiliki sifat-sifat:

untuk setiap n dan setiap keadaan 0 , , 1 , , . Pernyataan = artinya

2.2.4 Matriks Transisi Rantai Markov

adalah matriks transisi suatu rantai

Markov dengan k keadaan , maka untuk sistem j harus mempunyai sifat

2.2.6 Vektor Keadaan

dimana 1 adalah probabilitas bahwa sistem tersebut berada pada keadaan 1, 2

pada waktu-waktu pengamatan berikutnya dengan menggunakan teorema berikut.

(2) = (1) = 2 (0)

dengan kata lain, Q mentransformasikan setiap vektor probabilitas menjadi

pada saat . Matriks q merupakan sebuah vektor probabilitas tetap yang

a. Bukti bahwa vektor keadaan tetap ada:

2.3 Produk Susu Balita

Tabel 2.1 Segmentasi Susu di Indonesia