MARKOV CHAIN
Perubahan yang ada di dalam kehidupan sehari-hari sangat bervariasi. Ada
perubahan yang bersifat statis namun ada juga yang bersifat dinamis. Karena
kehidupan yang terus berjalan, maka perubahan yang terjadi memang tidak bisa
dihindari. Acapkali perubahan itu juga berimbas pada sebuah kerugian. Oleh karena
itu, ada baiknya apabila dilakukan persiapan untuk sebuah perubahan. Bagaimana
caranya untuk menghadapi sebuah perubahan? Setiap transisi yang terjadi dari
waktu ke waktu perlu dicermati dengan baik. Salah satu solusi yang relevan untuk
situasi tersebut adalah dengan melakukan prediksi akan apa yang terjadi di masa
yang akan datang.
Contoh perubahan:
Rantai Markov (Markov Chain) adalah sebuah teknik perhitungan yang umumnya
digunakan dalam melakukan pemodelan bermacam-macam kondisi. Teknik ini
digunakan untuk membantu dalam memperkirakan perubahan yang mungkin terjadi
di masa mendatang. Perubahan-perubahan tersebut diwakili dalam variabel-variabel
dinamis di waktu-waktu tertentu. Sehingga perlu untuk menyimpan nilai dari
variabel keadaan pada tiap-tiap waktu tertentu itu
I.
Model Rantai Markov ditemukan oleh seorang ilmuwan Rusia bernama Andrey
Andreyevich Markov pada tahun 1906.
Untuk setiap waktu t, ketika kejadian adalah Kt dan seluruh kejadian sebelumnya
adalah Kt(j),, Kt(j-n) yang terjadi dari proses yang diketahui, probabilitas seluruh
kejadian yang akan datang Kt(j) hanya bergantung pada kejadian Kt(j-1) dan tidak
bergantung pada kejadian-kejadian sebelumnya yaitu Kt(j-2), Kt(j-3), , Kt(j-n)
Analisa Markov
Dalam kenyataannya, penerapan analisa Markov bisa dibilang cukup terbatas karena
sulit untuk menemukan permasalahan yang memenuhi semua sifat yang diperlukan
untuk analisa Markov, terutama persyaratan bahwa probabilitas transisi harus
konstan sepanjang waktu.
Proses Markov Chain terdiri dari dua prosedur, yaitu menyusun matriks probabilitas
transisi, dan kemudian menghitung kemungkinan market share di waktu yang akan
datang. Probabilitas transisi adalah sebagai contoh pergantian yang mungkin
dilakukan oleh konsumen dari satu merk ke merk yang lain. Konsumen dapat
berpindah dari suatu merk ke merk yang lain disebabkan karena periklanan, promosi
khusus, harga, ketidakpuasan, dan lain-lain. Hal ini akan bermanfaat karena jumlah
market share-nya di periode yang akan datang akan bisa diperhitungkan sejak dini.
Metode ini banyak digunakan untuk pengambilan keputusan, namun sebenarnya
hanya memberikan informasi bagi pengambil keputusan untuk memperbaiki
keputusannya, bukan untuk memberi solusi.
Case Study
Suatu survei dilakukan di sebuah wilayah di kota Jakarta. Diketahui bahwa wilayah
tersebut terdiri dari 1000 keluarga. Dari survei tersebut, diperoleh data bahwa 600
keluarga merupakan pelanggan toserba Serba dan 400 keluarga merupakan
pelanggan toserba Ada. Pada bulan itu, diketahui bahwa :
Dari 600 keluarga pelanggan toserba Serba diperoleh data bahwa 400
keluarga tetap berbelanja di toserba Serba dan 200 lainnya berbelanja di
toserba Ada.
Hitunglah :
1. Matriks probabilitas transisi untuk permasalahan di atas!
2. Probabilitas untuk toko Serba dan Ada pada bulan ketiga apabila pada
bulan pertama keluarga tersebut memilih untuk berbelanja di toko
Serba
3. Probabilitas untuk toko Serba dan Ada pada bulan ketiga apabila pada
bulan pertama keluarga tersebut memilih untuk berbelanja di toko Ada
4. Nilai probabilitas pelanggan dalam keadaan tetap!
5. Jumlah perkiraan pelanggan dalam jangka panjang untuk masing-masing
toserba tersebut!
Jawab:
a. Langkah pertama yang perlu dilakukan untuk menyelesaikan seluruh pertanyaan
di atas adalah dengan menentukan matriks transisi untuk menghitung nilai
probabilitas
Keterangan:
Baris pertama kolom pertama : Bulan pertama Serba, bulan kedua Serba
Baris pertama kolom kedua : Bulan pertama Serba, bulan kedua Ada
Baris kedua kolom pertama : Bulan pertama Ada, bulan kedua Serba
Baris kedua kolom kedua
b. Apabila pada bulan pertama, keluarga tersebut memilih untuk berbelanja di toko
Serba artinya keluarga tersebut pasti memilih untuk berbelanja di toko Serba,
jadi probabilitas keluarga tersebut datang ke toserba Serba adalah 1, dan
probabilitas keluarga tersebut datang ke toserba Ada adalah 0.
Sehingga matriks probabilitas untuk bulan pertama adalah [ 1 0]
Apabila dilakukan perkalian antara matriks probabilitas pada bulan pertama dengan
matriks transisi pada kasus ini maka akan diperoleh data:
Probabilitas pada bulan kedua yang diperoleh memiliki nilai yang sama dengan
matriks transisi pada baris pertama. Tentu saja demikian, karena perhitungan yang
dilakukan adalah matriks pada bulan pertama dengan matriks transisi yang dibentuk
dari data probabilitas pada bulan kedua.
Kemudian, untuk menghitung probabilitas pada bulan ketiga adalah dengan
mengoperasikan perkalian matriks antara matriks probabilitas bulan kedua dengan
matriks transisinya. Sehingga diperoleh:
Jadi diperoleh probabilitas bulan ketiga, apabila pada bulan pertama memilih di toko
Serba, untuk toserba Serba adalah 0.653, dan toserba Ada adalah 0.347.
Jadi diperoleh probabilitas bulan ketiga, apabila pada bulan pertama memilih di toko
Ada, untuk toserba Serba adalah 0.651, dan toserba Ada adalah 0.349
d. Menghitung probabilitas keadaan tetap bisa dilakukan dengan melakukan operasi
perhitungan persamaan sebagai berikut:
Persamaan 1:
Persamaan 2:
Dari ketiga persamaan tersebut, kita substitusikan sehingga nilai probabilitas S dan
A akan diperoleh. Probabilitas yang kita peroleh itulah yang merupakan probabilitas
keadaan tetap.
Dari persamaan 3, maka bisa dikonversikan menjadi
Substitusikan ke persamaan 1: