Matriks Peluang Transisi Proses Percabangan

Galton-Watson dengan Imigrasi

Zakiyah Marah, Dr. Nurtiti Sunusi, S.Si. M.Si., Dr. Erna Tri Herdiani, S.Si. M.Si .

ABSTRAK. Pada penelitian ini, akan dikaji proses pembentukan matriks peluang transisi pada
proses percabangan Galton-Watson baik yang melibatkan imigrasi maupun tanpa imigrasi.
Matriks peluang transisi proses percabangan Galton-Watson dibentuk dari peluang-peluang
transisi untuk masing-masing generasi. Adapun peluang transisi dibentuk dari konvolusi peluang
individu pada tiap generasi. Peluang transisi proses percabangan Galton-Watson menyatakan
peluang jumlah generasi selanjutnya jika diketahui jumlah generasi sebelumnya. Peluang transisi
proses percabangan Galton-Watson P00 = 1 menyatakan bahwa jika generasi awal pada suatu
daerah tidak akan ada jika generasi sebelumnya tidak ada. Hal ini berbeda dengan peluang
transisi proses percabangan Galton-Watson dengan imigrasi, karena imigrasi diperbolehkan/ada
maka yang menjadi generasi awal adalah imigran yang masuk ke daerah tersebut. Matriks
peluang transisi proses percabangan Galton-Watson ini dapat digunakan dalam penentuan
peluang banyaknya populasi pada suatu generasi.

Kata-kata kunci : Proses Percabangan Galton-Watson, Proses Percabangan Galton-Watson

dengan Imigrasi, Konvolusi, Matriks Peluang Transisi.

1. Pendahuluan

Proses percabangan (Branching Process) adalah suatu model dari perkembangan populasi
individu yang secara acak menghasilkan keturunan (anak-anak). Proses Galton-Watson (GW)
dapat dinyatakan sebagai pohon pertumbuhan, dimana para individu adalah node atau tangkai
yang dihubungkan dengan keturunan (anak-anak) mereka. Salah satu hal yang menarik dalam
proses Galton-Watson adalah kajian mengenai perkembangan suatu populasi dengan komponen
imigrasi atau terjadi imigrasi pada suatu populasi.
Pada proses percabangan Galton-Watson, salah satu aplikasi penggunaan proses ini
dilakukan untuk mengukur pertumbuhan populasi. Hal sederhana dari pemodelan fenomena
nyata menggunakan proses Galton-Watson adalah pemilihan distribusi keturunan, yang harus
diukur dari sebuah populasi. Murai, Riberio dan Towsley menunjukkan dua metode dalam
menduga distribusi keturunan [8]. Selain itu proses percabangan Galton-Watson juga bisa
digunakan untuk menganalisa peluang kepunahan suatu populasi [7].
Lebih lanjut, para peneliti seperti Heathcote, Seneta, Uchimura dan Saito telah melakukan
penelitian mengenai proses percabangan Galton-Watson dengan menambahkan sebuah
komponen imigrasi. Heathcote menyatakan bahwa jika migrasi diperbolehkan maka jelas dalam
suatu kondisi tertentu sebuah distribusi stasioner untuk ukuran populasi akan ada [5, 6].
Kemudian dipelajari lebih lanjut oleh Seneta, beliau menyatakan bahwa jika imigrasi
diperbolehkan dan mean dari keturunan per individu kurang dari satu atau sama dengan satu
maka limit distribusi stasioner ada [10]. Begitupun dengan Uchimura dan Saito, mereka
menemukan limit distribusi proses percabangan Galton-Watson dengan imigrasi dalam kasus
tipe Bernoulli [11].
Untuk menemukan limit distribusi pada proses percabangan, terlebih dahulu harus
ditentukan matriks peluang transisinya, sebab limit distribusi tersebut diperoleh dari dekomposisi
matriks peluang transisi. Dari beberapa penelitian yang telah disebutkan di atas, belum diuraikan
secara lengkap mengenai bentuk matriks peluang transisi dalam proses percabangan. Oleh karena
itu, akan dilakukan kajian ulang dari tulisan Uchimura dan Saito yang berjudul Limiting
Distributions of Galton-Watson Branching Processes With Immigration [12], terhadap formula
matriks peluang transisi dalam proses percabangan baik yang melibatkan imigrasi maupun tanpa
melibatkan imigrasi.

2. Matriks Peluang Transisi Proses Percabangan Galton-Watson

Misalkan {, ; , 0 } dengan 0 variabel acak bebas berdistribusi identik,

dimana 0 = {0} = {0,1,2, }. Variabel acak ini bisa dituliskan secara sederhana sebagai
{Xm,n}. Distribusi peluang dari {Xm,n} adalah = ( )0 = (0 1 2 ). Untuk setiap
0 ,

+1 = =1 , , 0 = 0 , (2.1)
dimana x0 adalah state awal. Keadaan atau state awal adalah 0 = 1 [4]. Barisan { }0
disebut proses percabangan Galton Watson. Dan {Xm,n} menyatakan keturunan dari individu ke-
m pada generasi ke-n [11].
Untuk membentuk matriks peluang transisi proses percabangan G-W, maka pembahasan
pada paper ini diawali degan pembuktian Lemma pendukung.

Lemma 2.1. Misalkan A dan B mendefinisikan variabel acak yang saling bebas dimana nilai-
nilai dari A dan B adalah elemen dari 0 . Kemudian distribusi peluang = +
diberikan oleh konvolusi distribusi peluang A dan B, sedemikian sehingga =
. (lihat [2])

Proses { }0 adalah rantai Markov. Secara umum, ruang state proses ini adalah =
0 = {0,1,2, }, sedemikian sehingga untuk setiap 0 , . Sehingga ukuran matriks
peluang adalah . Untuk menghubungkan baris dan kolom matriks peluang terhadap state-
nya, dinomorkan mulai dari nol :

0 1
0 00 01 0
1 10 11 1
= ( ), = (2.2)
0 1
[ ]
dimana = (+1 = | = ).

Selanjutnya, akan dibahas mengenai sifat dasar konvolusi diskrit.

 Misalkan 0 = {( )0 | , 0 }. Untuk setiap = ( )0 = (0 1 2 )
dan = ( )0 = (0 1 2 ) dalam 0 . Entri ke-n vektor 0 di
definisikan oleh
( ) = =0 , = 0,1,2, . (2.3)
Misalkan, akan dicari entri ke-0, 1, dan 2 dari vektor
entri ke-0 : ( )0 = 0 0 ,
entri ke-1 : ( )1 = 0 1 + 10,
entri ke-2 : ( )2 = 0 2 + 1 1 + 2 0.
Selanjutnya, akan dibentuk vektor dari matriks. Oleh karena itu, jika dibentuk
0 1 2
1 ,
= ( ),0 = ( 0 0 1 ), = {
0 0 0 0,

maka,
0 1 2

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

= (0 0 0 1 + 1 0 0 2 + 1 1 + 2 0 ).

Selanjutnya, dibentuk matriks U yang didefinisikan sebagai berikut :

1, = 1
= {
0,
sehingga diperoleh:
0 0 0
0 0
= ( ),0 = (1 ),
0 1 0

atau ditulis sebagai berikut :
1 0 0 0 0 0 0 0 0
0 1 0 1 0 0 0
0
= (0 1
) , = (0 ) , = (0
2 0 ) , .
0 1 1 0 1 0 0

Jika,
1 0 0
(0 2 ) (0 1 0 )
1
0 0 1

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

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

( )
maka,
(0 ) 0 1 2
1
(( ) ) = (0 1 2 ) ( 0 0 1 )
( )2 0 0 0

= (0 0 0 1 + 1 0 0 2 + 1 1 + 2 0 ) .

Selanjutnya dibentuk matriks J,

0 0 1
0 1
= ( ), 0 = (1), 1 = ( ) , = (0 1 0) , .
1 0 2
1 0 0
Jika,
( )
1 0 0 0 0 1 0 0 0 0 1 0
0 0 0 1 0 0 ) (1 ) 1 0
= [(0 ) ( ) (1 (0 ( 1 ) ]
0 0 2 0 0 0 2 1 0 0 ) 2

0 1 2

= ( 0 0 1 ),
0 0 0

maka,
0 1 2

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

= (0 0 0 1 + 1 0 0 2 + 1 1 + 2 0 ).

Jadi, bisa dituliskan bahwa

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

= (0 0 0 1 + 1 0 0 2 + 1 1 + 2 0 ).

Berdasarkan uraian di atas, Matriks F disebut sebagai matriks konvolusi f. Konvolusi ke-n
dari f dinotasikan oleh yaitu,
=
, (2.4)

dimana 0 (1 0 0 ). Sehingga, jika = 0, maka dapat dinyatakan dengan
= , = 1,2, . (2.5)
Konvolusi matriks adalah matriks I.
Lemma 2.2. Matriks peluang transisi proses percabangan Galton-Watson dapat dituliskan
sebagai berikut:


=
=0 0 , ( 1 ), (2.6)

dimana adalah matriks konvolusi dari .

Bukti.
Proses percabangan G-W dinyatakan sebagai berikut:

+1 = =1 , = 1, + 2, + 3, + + ,,
konvolusi distribusi peluangnya,
+1 = 1, + 2, + 3, + + , .
Jika, +1 = dan 1, = 2, = 3, = = , = ,
maka distribusi peluangnya menjadi :
= .

Misalkan
menyatakan konvolusi ke-n vektor , yaitu,

,

sehingga,
=
= ,

sesuai dengan persamaan (2.5) maka peluang transisinya adalah :
= =
= ,

dimana (1 0 0 ).
Untuk membentuk matriks peluang transisi, terlebih dahulu harus diketahui bahwa distribusi
peluang dari {Xm,n} adalah = ( )0 = (0 1 2 ) dan 0 (1 0 0 ).
Diketahui :
0
(1 0 0 ),
1
= (0 1 2 ),
2
= (0 0 0 1 + 1 0 0 2 + 1 1 + 2 0 ) ,
akan dibentuk sebuah matriks yang tersusun dari vektor-vektor peluang transisi sebagai
berikut,
0
1 0 0
1 2
=( )=( 0 1 ).
2
0 0 0 1 + 1 0 0 2 + 1 1 + 2 0




Dengan mendefinisikan matriks ( 1 ) maka matriks P juga dapat dibentuk

sebagai berikut :
 1 0 0
1 2
=( 0 )
0 0 0 1 + 1 0 0 2 + 1 1 + 2 0

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

0
) + ( 0 0 )+
0 0 0 0 0 0 0 0 0 1 + 1 0 0 2 + 1 1 + 2 0

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

0 0 0 0 1 2 2
0 0 ) ( 0 0 1
(0 ) +
1 0 0 0 0 0

= 00 0 + 10 1 + 20 2 +
=
=0 0 .
dimana vektor baris ke-n dari 0 adalah .

3. Matriks Peluang Transisi Proses Percabangan Galton-Watson dengan

Imigrasi

Misalkan {, ; , 0 } dan { ; 0 } dengan 0 variabel acak bebas

berdistribusi identik, dimana 0 = {0} = {0,1,2, }. Variabel acak ini bisa dituliskan secara
sederhana sebagai {Xm,n} dan {In}.
Distribusi peluang dari {Xm,n} dan {In} secara berturut-turut adalah = ( )0 =
(0 1 2 ) dan = ( )0 = (0 1 2 ), dengan demikian jika untuk ,
0 dan , = (, = ) dan = ( = ).
Untuk setiap 0,

+1 = =1 , + , 0 = 0 , (3.1)
dimana x0 adalah state awal. State awal adalah sebuah variabel acak bebas bernilai-0 . ( )
didefinisikan sebagai proses percabangan G-W dengan imigrasi [11].

Lemma 3.1. Matriks peluang transisi proses percabangan Galton-Watson dengan Imigrasi
dapat dituliskan sebagai berikut:


= (
=0 0 ) , ( 1 ), (3.2)

dimana dan adalah matriks konvolusi dari dan , secara berturut-

turut.

Bukti.
Proses percabangan G-W dengan imigrasi dinyatakan sebagai berikut:

+1 = =1 , + = 1, + 2, + 3, + + , + ,
konvolusi distribusi peluangnya,
+1 = 1, + 2, + 3, + + Y , + .
Jika, +1 = , 1, = 2, = 3, = = Y , = dan = ,
maka distribusi peluangnya menjadi :
= .

Misalkan
menyatakan konvolusi ke-n vektor , yaitu,

,

sehingga,

=
= ,

sesuai dengan persamaan (4.7) maka peluang transisinya adalah :
= =
= ,

dimana (1 0 0 ).
Untuk membentuk matriks peluang transisi, terlebih dahulu harus diketahui bahwa distribusi
peluang dari {Xm,n} adalah = ( )0 = (0 1 2 ) dan {In} adalah = ( )0 =
(0 1 2 ).

Diketahui :
= (0 1 2 ),
0
(0 1 2 ),
1
= (0 0 0 1 + 1 0 0 2 + 1 1 + 2 0 ),
2
= (02 0 02 1 + 20 1 0 02 2 + 20 1 1 + 12 0 + 20 2 0 ) .
Akan dibentuk sebuah matriks yang tersusun dari vektor-vektor peluang transisi dan
sebagai berikut,
0
0 1 2
1

) = ( 0 0
0 1 + 1 0 0 2 + 1 1 + 2 0
= ( 2
2
0 0 02 1 + 20 1 0 02 2 + 20 1 1 + 12 0 + 20 2 0 )



Dengan mendefinisikan matriks ( 1 ) maka matriks P juga dapat dibentuk

sebagai berikut :
0 1 2
0 1 + 1 0 0 2 + 1 1 + 2 0
= ( 02 0 )
2
0 0 0 1 + 20 1 0 02 2 + 20 1 1 + 12 0 + 20 2 0

1 0 0 0 0 0 0 0 0 0 1 2
) + (0 1 2 0 0 1
= [(0 0 0
) + ( 0 0
0 0 0 1 + 1 0
0
) + ] ( 0 )
0 0 0 0 0 0 0 2 + 1 1 + 2 0 0 0

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

0
) + (1
0
) +
0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0
[
0 1 2
0 0 1
( )
0 0 0
]
= (00 0 + 10 1 + 20 2 + )
= (
=0 0 ) .
Catat bahwa vektor baris ke-n dari 0 adalah .

4. Kesimpulan

Pembentukan matriks peluang transisi proses percabangan Galton-Watson dimulai dengan :

Membentuk konvolusi distribusi peluang dari proses percabangan Galton-Watson baik secara
umum maupun dengan imigrasi.
Konvolusi distribusi peluang inilah yang dinyatakan sebagai peluang transisi dari proses
percabangan Galton-Watson baik secara umum maupun dengan imigrasi.
Distribusi peluang individu ke-m pada generasi ke-n {Xm,n} adalah = ( )0 =
(0 1 2 ) dan peluang transisi proses percabangan Galton-Watson dinyatakan
dengan =
= . Sedangkan dengan adanya komponen imigrasi, peluang transisi =

= dengan distribusi peluang imigran pada generasi ke-n adalah {In} adalah
= ( )0 = (0 1 2 ).
Peluang transisi proses percabangan Galton-Watson untuk generasi awal (Y0) adalah 0 ,
peluang transisi proses percabangan Galton-Watson untuk generasi pertama (Y1) adalah 1 ,
dan seterusnya. Sedangkan, peluang transisi proses percabangan Galton-Watson dengan
imigrasi untuk generasi awal (Y0) adalah 0 , peluang transisi proses percabangan
Galton-Watson untuk generasi pertama (Y1) adalah 1 , dan seterusnya. Dari peluang-
peluang transisi inilah, matriks peluang transisi proses percabangan Galton-Watson
terbentuk. Dari peluang-peluang transisi inilah, matriks peluang transisi proses percabangan
Galton-Watson baik secara umum maupun dengan imigrasi terbentuk.

Formula matriks peluang transisi proses percabangan Galton-Watson adalah sebagai berikut :
1 0 0
2
=
=0 0 = (
0 1 ).
0 0 0 1 + 1 0 0 2 + 1 1 + 2 0

P00 = P(Yn+1 = 0 | Yn = 0) = 1
Artinya, peluang jumlah generasi selanjutnya (n+1) sama dengan 0 jika jumlah generasi
sebelumnya (n) sama dengan 0 adalah 1. Jadi, sudah pasti bila suatu daerah tidak memiliki
penghuni atau populasinya nol maka generasi selanjutnya tidak akan ada.
P10 = P(Yn+1 = 0 | Yn = 1) = p0
Artinya, peluang jumlah generasi selanjutnya (n+1) sama dengan 0 jika jumlah generasi
sebelumnya (n) sama dengan 1 adalah p0.
Formula matriks peluang transisi proses percabangan Galton-Watson dengan imigrasi adalah
sebagai berikut :
 0 1 2

0 0 0 + 1 0 + 1 1 + 2 0
2
= (
=0 0 ) =
1 0 .
20 0 20 1 + 20 1 0 20 2 + 20 1 1 + 21 0 + 2 0
0 2

( )
P00 = P(Yn+1 = 0 | Yn = 0) = q0
Artinya, peluang jumlah generasi selanjutnya (n+1) sama dengan 0 jika jumlah generasi
sebelumnya (n) sama dengan 0 adalah q0. Jadi, bila suatu daerah tidak memiliki penghuni atau
populasinya nol maka generasi selanjutnya tidak akan ada. Tetapi, karena imigrasi terjadi maka
generasi awal akan dinyatakan dengan imigran yang masuk ke dalam daerah tersebut.
P10 = P(Yn+1 = 0 | Yn = 1) = p0 q0
Artinya, peluang jumlah generasi selanjutnya (n+1) sama dengan 0 jika jumlah generasi
sebelumnya (n) sama dengan 1 adalah p0 q0.

5. Referensi

1. Allen, Linda J. S. (2003). An Introduction Stochastic Processes with Applications to Biology.

New Jersey: Pearson Education Hall, Inc.
2. Feller, W. (1957). An Introduction to Probability Theory and Its Applications Vol.I Third Ed.
New York: John Wiley & Sons Inc.
3. Hillier, Frederick S. dan Lieberman, Gerald J. (2001). Introduction to Operations Research
7th Edition. New York: The McGraw-Hill Companies, Inc.
4. Harris, Theodore E. (1964). The Theory of Branching Processes. California: The RAND
Corporation.
5. Heathcote, C. R. (1965). A Branching Process Allowing Immigration. J. R. Statist. Soc. B 27
138143.
6. Heathcote, C. R. (1966). Corrections And Comments On The Paper A Branching Process
Allowing Immigration. J. R. Statist. Soc. B 28 213217
7. Kajunguri, D. (2007). Branching Process, Extinction Probabilities With Aplication To Pest
Eradication. African Institute For Mathematical Sciences (AIMS). Africa
8. Murai, Fabricio. Ribeiro, Bruno. Characterizing Branching Processes from Sampled Data.
School of Computer Science and Department of Mathematics and Statistics, University of
Massachusetts. Amerika Serikat. Available from http://arxiv.org/pdf/1302.5847.pdf [23
Februari 2013]
9. Rosen, Kenneth H. (2012). Discrete Mathematics and Its Applications 7 th Edition. New
York: The McGraw-Hill Companies, Inc.
10. Seneta, E. (1968). The Stationary Distribution Of A Branching Process Allowing
Immigration: A Remark On The Critical Case. J. R. Statist. Soc. B 30 176179.
11. Uchimura, Y. and Saito, K. (2011). A Stationary Distribution Of The Bernoulli Type Galton-
Watson Branching Process With Immigration. Comm. Stoc. Anal. 5 457480
12. Uchimura, Y. dan Saito, K. (2012). Limiting distribution of Galton-Watson Branching
Processes with Immigration. Comm. Stoc. Anal. 6 No. 2 281-295.