METODE STOKASTIK

2013
PENDAHULUAN
Problem pembuatan keputusan
Unsur ketidakpastian ( uncertainty ) variasi
bisa dipolakan dengan model probabilitas
Beberapa model probabilitas disebut proses
stokastik
PENDAHULUAN
Proses Stokastik
Kumpulan variabel random ( Xt ) dengan index t
anggota himpunan T ( non negatif integer ). Xt
adalah karakteristik yang ingin diukur di t
Rantai Markov
Suatu proses stokastik yang mempunyai sifat
Markovian
P { X
t+i
= j | X
0
= K
0
, X
1
= K
1
, ..., X
t-1
, X
t
= i } =
P { X
t+1
= j | X
t
= i }
Untuk t = 0, 1, 2,...
Artinya : Probabilitas event / state mendatang (
X
t+i
= j ) hanya tergantung pada event / state
saat ini ( X
t
= i ), bukan oleh X
t-1
, X
t-2
,...
Rantai Markov
Prob { X
t+i
= j | X
t
= i }probabilitas transisi
Bila Prob { X
t+i
= j | X
t
= i }
P
i
(1)
j= P { X
1
= j | X
0
= i }probabilitas transisi 1 langkah
P
i
(2)
j= P { X
2
= j | X
0
= i }probabilitas transisi 2 langkah
P
i
(n)
j= P { X
n
= j | X
0
= i }probabilitas transisi n langkah
Rantai Markov
Sifat sifat
P
i
(n)
j
0 , untuk i,j dan n = 0,1,2,...
P
ij
(n)
= 1 , untuk j dan n = 0,1,2,...
P
ij
(n)
X
t+1
= j , jika X
t
= i
P
ij
(0)
= 1 , bila i = j
P
ij
(1)
= 0 , bila i j
Rantai Markov
Catatan
Probabilitas transisi dikatakan stasioner / steady state bila nilai nilai
probabilitas tersebut tidak berubah di dalam waktu
Rantai Markov
Sifat sifat rantai Markov state terbatas
Jumlah state terbatas ( 0, 1, 2,..., m )
Mempunyai sifat Markovian
Probabilitas transisi stasioner / steady state
Mempunyai nilai probabilitas awal P { X
0
= i } untuk
semua i
Contoh Rantai Markov
Sebuah toko kamera menghadapi problem tentang inventory
kameranya. Misalkan demand kamera tersebut pada minggu 1,
2,..., dst masing masing adalah D
1
, D
2
, ... yang berdistribusi
Poisson dengan = 1
X
1
, X
2
,... adalah tingkat inventory pada akhir minggu 1,2 dan
diasumsikan inventory awal ( X
0
) = 3
Pengecekan inventory dilakukan pada sabtu malam dan
pesanan diterima oleh toko tersebut sebelum toko buka di hari
minggunya, dengan kebijakan ( s,S ) ( 1,3 ). Bila di akhir
minggu inventory kurang dari 1 maka pesan kamera 3 buah
Bila dirumuskan tingkat inventory ( X
t
) tersebut, dengan
kebijakan (1,3) sebagai berikut:
X
t+1
= max { ( 3 D
t+1
), 0 }, bila X
t
< 1 untuk t = 0,1,2,...
max { ( X
t
- D
t+1
), 0 }, bila X
t
1 untuk t = 0,1,2,...
Rantai Markov
Matriks probabilitas transisi satu langkah sebagai
berikut :
P =
(
(
(
(
(

P P P P
P P P P
P P P P
P P P P
33 32 31 30
23 22 21 20
13 12 11 10
03 02 01 00
Rantai Markov
Distribusi Poisson dengan = 1 didapat
P =
(
(
(
(

368 , 0 368 , 0 184 , 0 080 , 0

0 368 , 0 368 , 0 264 , 0
0 0 368 , 0 632 , 0
368 , 0 368 , 0 184 , 0 080 , 0
Persamaan Chapman-Kolmogorov
(
(
(
(

368 , 0 368 , 0 184 , 0 080 , 0

0 368 , 0 368 , 0 264 , 0
0 0 368 , 0 632 , 0
368 , 0 368 , 0 184 , 0 080 , 0
(
(
(
(

368 , 0 368 , 0 184 , 0 080 , 0

0 368 , 0 368 , 0 264 , 0
0 0 368 , 0 632 , 0
368 , 0 368 , 0 184 , 0 080 , 0
(
(
(
(

165 , 0 300 , 0 286 , 0 249 , 0

097 , 0 233 , 0 319 , 0 351 , 0
233 , 0 233 , 0 252 , 0 384 , 0
165 , 0 300 , 0 286 , 0 249 , 0
P
2
=
=
Persamaan Chapman-Kolmogorov
misal dicari P
32
(2)
= ?
Penyelesaian dengan persamaan Chapman
Kolmogorov
P
32
(2)
= P
30
P
02
+ P
31
P
12
+ P
32
P
22
+ P
33
P
32
= 0,300
P
21
(2)
?
Persamaan Chapman-Kolmogorov
misal dicari P
32
(2)
= ?
Penyelesaian dengan persamaan Chapman Kolmogorov
P
32
(2)
= P
30
P
02
+ P
31
P
12
+ P
32
P
22
+ P
33
P
32
= 0,300
Artinya bila diketahui di akhir minggu ada 3 kamera,
maka probabilitas 2 minggu mendatang ada 2 kamera
= 0,300
Persamaan Chapman-Kolmogorov
Bila ingin menghitung P ( X
n
= j ) maka perlu untuk
menetapkan distribusi probabilitas awal dinotasikan
dengan Q
X0
(i)
Q
X0
(i)
= P { X
0
= i } untuk i = 0,1,2,...,m
Kemudian
P { X
n
= j } = Q
X0
(0)
P
0j
(n)
+ Q
X0
(1)
P
1j
(n)
+ ... + Q
X0
(m)
P
mj
(n)
Persamaan Chapman-Kolmogorov
contoh = masalah inventory sebelumnya
Diasumsikan bahwa inventory awal adalah 3 unit, X
0
= 3
Maka Q
X0
(0)
= Q
X0
(1)
= Q
X0
(2)
= 0
P ( X
2
= 3 ) sesudah 2 minggu stock menjadi 3
Penyelesaian
P { X
2
= 3 }
= Q
X0
(0)
P
03
(2)
+ Q
X0
(1)
P
13
(2)
+ Q
X0
(2)
P
23
(2)
+ Q
X0
(3)
P
33
(2)
= 0 + 0 + 0 + 1 x P
33
(2)
= 0,165
Rantai Markov
First Passage Times
Untuk menentukan berapa periode yang dibutuhkan
state i menuju state j
Rumus

ii
=
i .
1
t
Rantai Markov
Contoh : inventory problem

30
= ?
Penyelesaian

30
= 1 + P
3k

k0
= 1 + P
31

10
+ P
32

20
+ P
33

30
= 1 + 0,184
10
+ 0,368
20
+ 0,368
30
0,632
30
= 1 + 0,184
10
+ 0,368
20
(1)
Rantai Markov
Contoh : inventory problem

20
= 1 + P
21

10
+ P
22

20
+ P
23

30
= 1 + 0,368
10
+ 0,368
20
0,632
20
= 1 + 0,368
10

10
= 1 + P
11

10
+ P
12

20
+ P
13

30
= 1 + 0,368
10
0,632
10
= 1

10
= 1,58 minggu
Rantai Markov
Contoh : inventory problem
Masukkan
10
= 1,58 ke pers (2)
20
= 2,51 minggu

20
= 2,51 masukkan ke pers (1)
30
= 3,5 minggu
Jadi stock 3 kamera sampai berubah menjadi 0 stock
dibutuhkan periode 3,5 minggu