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 =
(
(
(
(
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