Anda di halaman 1dari 21

PROSES

STOKASTIK
HARYONO 2016
PROSES STOKASTIK, 3 SKS

Tujuan Pembelajaran:
Mahasiswa diharapkan mampu menerapkan konsep-konsep proses stokastik
modern dalam bidang industri dan jasa (marketing, reliability, inventori, sistem
antri, quality control).

Kompetensi:
1. Mahasiswa mampu menyusun model stokastik dari proses atau sistem yang
dipelajari.
2. Mahasiswa mampu melakukan analisis dari model stokastik yang disusun.
3. Mahasiswa mampu melakukan perancangan (design) dan pengendalian
(control) parameter proses atau sistem secara optimal.
4. Mampu menggunakan perangkat lunak untuk menganalisis kinerja proses
atau sistem.

Pustaka Utama:
1. Kulkarni, V.G. 2008. Modeling, Analysis, Design and Control of
Stochastic System, Springer.
2. Lawler, Gregory F. 2006. Introduction to Stochastic Processes. Chapman
and Hall.

Prasyarat : Matematika Statistika I


Sistem Penilaian : UTS (30%), UAS (40%), Tugas/Diskusi/Presentasi (30%)

Minggu Pembahasan
Pengertian Proses Stokastik, Klasifikasi, Markov Chain, Probabilitas
1,2
Transisi, Matriks Stokastik.
Matriks Stokastik m-langkah, Distribusi Limit, Model Beaya, First
3,4
Passage Time Persatuan Waktu
Proses Poisson (PP), PD Proses Poisson, Fungsi Intensitas, sifat-sifat PP,
5,6
Proses Poisson Non Homogin (PPNH).
Compound Poisson Process, Distribusi Limit, Matriks Rate, Model
7,8
Beaya, First Passage Time
9 UTS
Analisis Transein; Uniformisasi, Proses Input-Output, Sistem Antri
10,11,12
dengan Kapasitas Terbatas dan Tak Terbatas.
13,14,15 Proses Renewal, Proses Kumulatif, Proses Semi Markov, Model Beaya.
16 UAS

Modul Ajar Stokastik Haryono 2016 | 1


MODUL I
MARKOV CHAIN

1.1 PENGERTIAN PROSES STOKASTIK


1.2 MARKOV CHAIN
1.3 DISTRIBUSI LIMIT
1.4 EKSPEKTASI BEAYA PERSATUAN WAKTU
1.5 FIRST PASSAGE TIME
1.6 LATIHAN SOAL

Modul Ajar Stokastik Haryono 2016 | 2


MODUL I
MARKOV CHAIN

1.1 Pengertian Proses Stokastik: adalah himpunan variabel random yang berevolusi
terhadap waktu.

Klasifikasi Proses Stokastik: Markov Chain, Proses Markov, Proses Renewal, Proses
Semi-Markov.

Contoh 1: Sistem inventori, harga saham, tinggi gelombang laut, banyak klaim asuransi,
kesehatan.

1.2 MARKOV CHAIN : adalah proses stokastik dengan state space diskrit dan parameter
space diskrit.

Langkah-langkah mempelajari Markov Chain :


a. Identifikasi State Space dan Parameter Space Proses.
b. Identifikasi transmisi-transmisi yang mungkin antar state.
c. Susun diagram transisinya.
d. Hitung probabilitas transisi antar state.
e. Susun matriks stokastik.
f. Hitung kinerja proses yang diinginkan, antara lain distribusi limit, first passage
time dan ekspektasi beaya proses berada di state tertentu dalam jangka panjang.

Sifat Markov: State pada langkah ke (n+1) hanya tergantung pada state pada langkah ke
n, tidak tergantung pada langkah sebelum n.

Probabilitas Transisi: Probabilitas transisi dari state i ke state j dalam satu langkah
ditulis:
pij P X n 1 j | X n i (1.1)

Sifat-sifat Probabilitas Transisi:


pij 0 untuk 0 i, j (1.2)

p
j 1
ij 1 untuk 0 i, j

Contoh 2 :
Pemakaian sebuah mesin, pada saat berhenti mesin dapat dalam kondisi baik atau rusak.
Pertanyaan :
a) Jelaskan sifat Markov untuk penggunaan mesin tersebut dan apa manfaatnya?
b) Identifikasi state space dan parameter spacenya.
c) Identifikasi transisi-transisi antar statenya.
d) Buat diagram transisinya.
e) Hitung probabilitas transisi antar state dan susun matriks stokastiknya.

Modul Ajar Stokastik Haryono 2016 | 3


f) Hitung matrik stokastik 2 langkah dan 3 langkah

Contoh 3 :
Dari Contoh 2, diberikan data kondisi penggunaaan mesin tersebut untuk 18 mesin
sebagai berikut :
BBBBRBBRRBBBRBBRRB
Pertanyaan : Susun matriks stokastiknya.

Persamaan Chapman- kolmogorov : yaitu p suatu matriks stokastik dari Markov Chain
yang homogen :
P ( m) P m P m 1P (1.3)

Contoh 3 :
Brand Switching Analysis (Perpindahan Pelanggan), dalam riset pasar, informasi yang
diinginkan adalah
- Memprediksi pangsa pasar mendatang (market share)
- Memprediksi laju pertumbuhan atau penurunan pangsa pasar
- Melakukan analisis adalah promosi bagian pemasaran berhasil atau tidak
- Memprediksi apakah dimasa mendatang pasar mencapai kondisi equilibrium
(pangsa pasar konstan)
- Dalam era digital menggunakan big data analytics
Disuatu daerah tertentu terdapat tiga perusahaan minuman ringan merk A, B dan C yang
bersaing berdasarkan pengamatan dari waktu kewaktu terdapat perpindahan pelanggan
karena adanya promosi, perubahan selera dan lain-lain.
Tabel 1 menunjukkan data perpindahan pelanggan yang dicatat selama 1 bulan.
Tabel 1. Data Perpindahan Pelanggan di Tiga Perusahaan
Bertambah Berkurang
Perusahaan 1 Agustus Dari Dari Dari Ke Ke Ke 1 September
A B C A B C
A 200 0 35 25 0 20 20 220
B 500 20 0 20 35 0 15 490
C 300 20 15 0 25 20 0 290
Pertanyaan :
a. Jelaskan state space dan parameter space dari proses perpindahan pelanggan.
b. Sebutkan asuransi-asuransi agar sifat Markov berlaku.
c. Sususn matriks stokastiknya dan interpretasikan.

Contoh 4 : Sistem Inventori


Sebuah toko menjual kamera merk tertentu dan membelinya dari distributor pada tiap
akhir minggu. Toko tersebut menggunakan sistem inventori (s, S), dimana jika pada suatu
akhir minggu tertentu banyak kamera ditoko kurang dari 1 (s<1) maka toko boleh
memesan ke distributor 3 kamera (S=3) pada akhir minggu tersebut, jika s 1 maka tidak
ada pemesanan ke distributor.
Pertanyaan :
a. Sebutkan state space dan parameter space sistem inventori tersebut.

Modul Ajar Stokastik Haryono 2016 | 4


b. Jelaskan mengapa banyak kamera yang diatur oleh sistem inventori (s, S) tersebut
bersifat Markov, Jelaskan!
c. Dari 36 minggu pengamatan diperoleh data banyak karena pada akhir minggu
sebagai berikut.
3 1 3 2 2 3

2 1 1 0 1 1
0 0 0 0 1 0

1 1 0 3 0 0

0 2 2 0 0 0
0 1 2 1 0 1

Jelaskan distribusi apa yang sesuai untuk data inventori tersebut.
d. Berdasarkan hasil di soal c, susun matriks stokastik proses inventori tersebut.
Jelaskan manfaatnya matrikis stokastik yang diperoleh bagi distribusi dari pemilik
toko!
e. Hitung matriks stokastik 2 langkah dan 3 langkah serta interpretasikan!
(Perhitungan cukup 3 desimal)
f. Hitung probabilitas terdapat 1 kamera di minggu ke 2 dan 3 kamera di minggu ke-
3. Interpretasikan!
g. Hitung mean recurrence time tiap state, Interpretasikan!

1.3 DISTRIBUSI LIMIT


Untuk memudahkan perhitungan kinerja proses, maka proses dianggap telah berlangsung
lama atau berada dalam kondisi steady-state atau equillibrium. Dalam mempelajari
kondisi proses dalam kondisi steady-state, ada 3 pertanyaan penting, yaitu:
1. Apakah pmf Xn mendekati nilai limit bila m ? Jika limit ini ada maka limit ini
disebut distribusi limit, dan ditulis :
( i , 2 , , m ) (1.4)
Dimana
i lim P( X n j ), j S
2. Jika distribusi limit ada maka apakah distribusi limit ini tunggal (unique)?
Pertanyaan ini adalah alami karena distribusi limit tergantung pada distribusi awal
Markov Chain.
3. Jika distribusi limit ada maka bagaimana cara menghitungnya?
Berikut ini diberikan hasil-hasil penting berkaitan dengan distribusi limit :
1. Distribusi limit ada dan tunggal bila state space nya :
a. Irreducible : Setiap state dapat dicapai dari state lain dalam beberapa langkah
b. Tunggal : State ada yang bersifat aperiodik
Catatan : suatu Markov Chain Finite disebut reguler bila irreducible dan aperiodik
2. Jika distribusi limit ada maka ia memenuhi persamaan seimbang berikut :
m
i i pij , j S (1.5)
i 1
Dan

Modul Ajar Stokastik Haryono 2016 | 5


m
ji 1 (1.6)
j 1

Secara matriks ditulis P (1.7)

Contoh 5 : Lihat kembali Contoh 2, apakah matriks stokastiknya memenuhi sifat


irreducible dan tunggal? Hitung distribusi limitnya dan interpretasikan!

Contoh 6 : Lihat kembali Contoh 4, apakah matriks stokastiknya memenuhi sifat


irreducible dan tunggal? Hitung distribusi limitnya dan interpretasikan!

1.4 Ekspektasi Beaya Persatuan Waktu dalam Jangka Panjang


Misal C(i) adalah beaya yang ditimbulkan bila proses di state dalam jangka panjang,
untuk Markov Chain yang reguler maka ekspektasi beaya persatuan waktu dalam jangka
panjang adalah :
m
j C ( j) (1.8)
j 1

Contoh 7 :
Lihat kembali Contoh 4 mengenai sistem inventori.
a. Andaikan ada beaya simpan dari tiga kamera yang tidak laku terjual pada akhir
minggu. Jika tersisa 1 kamera maka beaya simpan Rp.50.000 ,tersisa 2 kamera
maka beaya simpan Rp.200.000 dan tersisa 3 kamera maka ada beaya simpan
Rp.500.000. Hitung rata-rata beaya simpan tiap minggu dalam jangka panjang
(steady-state)!
b. Andaikan dalam suatu inventori ini ada beaya pesan yang dinyatakan dengan
Rp.(25.000+80.000Z), dimana Z adalah banyak kamera yang dipesan dari
distributor. Beaya penalti adalah Rp.200.000/kamera. Hitung rata-rata beaya
invenori tiap minggu dalam jangka panjang!

1.5 First Passage Time


Misal T adalah variabel random yang menunjukkan jangka waktu pertama kali proses
masuk ke state tertentu.
Ditulis:
T min m 0, X n N
Definisikan nilai ekspektasi dari T sebagai mi E T | X 0 i , maka nilai mi memenuhi
persamaan berikut :
N 1
mi 1 pij m j , 1 i N 1 (1.9)
j 1

Contoh 8 : Machine Reliability


Dalam state proses produksi, perusahaan menggunakan 2 mesin yang identik dan
terdapat 1 orang teknisi. Dari pengamatan masa lalu terdapat informasi sebagai berikut :

Modul Ajar Stokastik Haryono 2016 | 6


- Jika sekarang mesin baik maka probabilitas besok juga baik adalah 0,98 ada rusak
dengan probabilitas 0,02.
- Jika sekarang mesin rusak maka probabilitas besok baik adalah 0,97 atau tetap
rusak dengan probabilitas 0,03.
Setelah diperbaiki mesin dianggap baru seperti semula (as good as new).
Pertanyaan :
a. Susun matriks stokastiknya!
b. Hitung ekspektasi jangka waktu kedua mesin rusak pertama kali, Interpretasikan!

ISTILAH-ISTILAH PENTING

State Space Probabilitas Transisi


Parameter Space Mean Recurrence Time
Sifat Markov Distribusi Limit
Probabilitas Transisi Irreducible
Probabilitas m-langkah Aperiodiki
Matriks Stokastik Ekspektasi Beaya
Persamaan Chapman-Kolmogorov First Passage Time
Diagram Transisi

Modul Ajar Stokastik Haryono 2016 | 7


1.6 SOAL-SOAL LATIHAN MODUL 1 (MARKOV CHAIN)
1. Diberikan matriks stokastik sebagai berikut :
0,20 0,30 0,50

P 0,10 0,00 0,40
0,55 0,10 0,45

Pertanyaan :
a. Berapa banyak statenya dan dapatkan p23 serta interpretasikan!
b. Hitung P 2 , P 4 , P10 , dan P15 . Interpretasikan apa yang saudara peroleh dan
interpretasikan!
c. Periksa apakah distribusi limit matriks stokastik ini ada? Kalau ada apakah
tunggal? Jika ada dan tunggal maka hitung distribusi limitnya!

2. Diberikan matriks stokastik sebagai berikut :


0 1 0

P 0,10 0 0,9
0 1 0

Pertanyaan :
a. Hitung P 2 , P3 , P 4 , P5 , P6 . Simpulkan hasil yang saudara peroleh!
b. Periksa apakah distribusi limit ada dan tunggal. Beri penjelasan!

3. Diberikan matriks stokastik sebagai berikut :


0 1 1
2 2
P1 0 2
3 3
0 1 0

Pertanyaan :
a. Buat diagram transisinya, dan perlihatkan P adalah Markov Chain yang bersifat
regular!
b. Dapatkan distribusi limitnya!
c. Berdasarkan diagram transisi antar state yang mempunyai mean recurrence time
paling pendek dan state mana yang paling panang. Periksa jawaban saudara
dengan menghitung mean recurrence time nya!

4. Matriks stokastik berikut merupakan matriks perpaduan pelanggan dari 3 perusahaan


A, B, C didaerah tertentu.
A B C
A 0,2 0,6 0,2
P
B 0,1 0,5 0,4
C 0,2 0,3 0,5
Untuk meningkatkan pangsa pasar dalam jangka panjang, Perusahaan A
mengembangkan 2 strategi yaitu

Modul Ajar Stokastik Haryono 2016 | 8


Strategi 1 : Perusahaan A ingin meningkatkan pangsa pasarnya dari 20% menjadi
40% dengan cara mengurangi banyaknya pelanggan yang pindah ke B. Diperoleh
matriks stokastik baru yaitu :
A B C
A 0,4 0,4 0,2
P
B 0,1 0,5 0,4
C 0,2 0,3 0,5

Strategi 2 : Sebagai alternatif perusahaan A mengakui secara langsung


memfokuskan untuk mendapatkan lebih banyak pelanggan dari C. Andaikan A
merancang promosi untuk meningkatkan presentase pelanggan dari C dari 20%
menjadi 40%. Diperoleh matriks stokastik yang baru yaitu :
A B C
A 0,2 0,6 0,2
P
B 0,1 0,5 0,4
C 0,4 0,1 0,5
Pertanyaan :
a. Interpretasikan hasil strategi 1!
b. Interpretasikan hasil strategi 2!
c. Strategi mana yang menguntungkan perusahaan A dalam jangka panjang?
d. Sebutkan asumsi-asumsi yang saudara gunakan agar strategi tersebut berlaku!

5. Disebuah daerah pertanian, seluruh kegiatan perbelanjaan dan bisnis dipusatkan


dalam kota. Kota tersebut memiliki satu pusat pertanian dan perkebunan yang
menjual pupuk pertanian dan perkebunan lokal. Pusat tersebut memilki tiga merk
pupuk (Plant Plus, Crop Extra, dan Grofast) sehingga setiap masyarakat yang
menggunakan pupuk di kota tersebut menggunakan salah satu dari ketiga merk
tersebut.
Pusat perkebunan memiliki 9000 pelanggan pupuk setiap musim tanam. Suatu studi
penelitian pasar mendapatkan bahwa pelanggan mengganti erk pupuknya
berdasarkan matriks stokastik berikut :
Musim Tanam saat ini Musim Tanam Berikutnya

Plant Plus Crop Extra Grofast


Plant Plus 0,4 0,3 0,3

P = Crop Extra 0,5 0,1 0,4
0,4 0,4
Grofast 0,2

Jumlah pelanggan yang saat ini menggunakan setiap merk pupuk ditunjukkan di
bawah ini :
Merk Pupuk Pelanggan
Plant Plus 3000
Crop Extra 4000
Grofast 2000

Modul Ajar Stokastik Haryono 2016 | 9


Pertanyaan : (Gunakan pendekatan 4 desimal dalam menghitung probabilitas)
a. Taksir banyak pelanggan yang menggunakan pupuk plant plus pada masa tanam
ketiga.
b. Taksir banyak pelanggan yang menggunakan pupuk Grofast pada masa tanam
keempat.
c. Jika setiap pelanggan rata-rata memerlukan 10 ton puouk (@Rp.10.000 tiap kg)
maka ramalkan hasil penjualan tiap jenis pupuk di daerah tersebut dalam jangka
panjang.

6. Sebuah kota memiliki tiga buah pompa bensin, yaitu Petroco, National, dan Gas
Corp. Penduduknya membeli bensin dengan dasar bulanan. Matriks stokastik berikut
berisi probabilitas trasnsisi pembelian sustu merk premium tertentu oleh para
pelanggan di bulan berikutnya :
Bulan ini Bulan Berikutnya

Petroco National Gas Corp


Petroco 0,5 0,3 0,2

P = National 0,1 0,7 0,2
0,1 0,8
Gas Corp 0,1
Pertanyaan :
a. Selidiki apakah matriks stokastik P bersifat erreducible dan aperodik?
b. Jika seorang pelanggan membeli National bulan ini maka hitung probabilitas
dia membeli National bulan kedua!
c. Dari soal no.b hitung probabilitas pelanggan akan membeli National pada bulan
ketiga!
d. Dari soal no.b hitung probabilitas pelanggan akan membeli National pada bulan
keempat!
e. Jika rata-rata setiap pelanggan membeli premium Rp.250.000 tiap minggu
(jumlah pelanggan seluruhnya 7000 orang) maka taksir nilai penjualan Gas
Corp tiap minggu dalam jangka panjang!

7. Andaikan pada suatu daerah tertentu, kondisi cuaca apakah hari ini hujan atau tidak
tergantung pada kondisi cuaca 2 hari berturut-turut sebelumnya. Yaitu jika dua hari
yang berturut-turut hujan maka probabilitas besok hujan adalah 0,7. Jika hari ini
hujan tetapi hari kemaren tidak maka probabilitas besok hujan adalah 0,5. Jika
kemaren hujuan tetapi hari ini tidak maka probabiitas besok hujan adalah 0,4. Dan
jika tidak terjadi hujan dua hari berturut-turut maka probabilitas besok akan turun
huja sebesar 0,2.
Pertanyaan :
a. Jika diambil state (hujan atau tidak) pada hari ke-n akan tergantung pada cuaca
apakah hujan atu tidak pada waktu ke-n maka jelaskan apakah model ini suatu
Markov Chain atau tiak? Jelaskan jawaban anda!
b. Jika model diatas bukan Markov Chain maka jelaskan caranya menggunakan
transformasi agar model menjadi Markov Chain!
c. Dari soal b. Tulis matriks stokastinya.

Modul Ajar Stokastik Haryono 2016 | 10


8. Gambar berikut merupakan gambar transisi untuk Markov Chain tertentu :

Pertanyaan :
a. Tuliskan matriks stokastiknya!
b. Dalam kmondisi bagaimana (kalau ada) Markov chain bersifat irreducible dan
aperodik?
c. Dapatkan distribusi limit dari P. Interpretasikan!
d. Hitung mean reccurence time dari state 2. Interpretasikan!
e. Untuk nilai dan p berapa diperoleh 1 2 3 ? Beri interpretasi fisik dari
keadaan ini!

9. Misal X n , n 0 adalah RMD homogen pada state space S={1,2,...,N} dan matriks
stokastik P. Untuk i0 , i1 , , ik 1 , ik S , perlihatkan bahwa :
P X1 i0 , i1,, ik 1, ik i k | X 0 i0 Pi 0,i1,, pik 1,ik

10. Misal P adalah matriks stokastik berukuran NxN. Dengan menggunakan interpretasi
probabilitas, perlihatkan bahwa PN juga merupakan matriks stokastik.

Modul Ajar Stokastik Haryono 2016 | 11


MODUL 2
PROSES MARKOV

2.1 PROSES POISSON HOMOGIN & NON-HOMOGIN


2.2 MATRIKS RATE
2.3 ANALISIS TRANSIENT : Metode Uniformisasi
2.4 MATRIKS OKUPANSI
2.5 DISTRIBUSI LIMIT
2.6 MODEL BEAYA
2.7 FIRST PASSAGE TIMES
2.8 LATIHAN SOAL

Modul Ajar Stokastik Haryono 2016 | 12


MODUL 2
PROSES MARKOV

Proses Markov adalah proses stokastik dengan state space diskrit dan parameter space
kontinyu. Parameter spacenya merupakan waktu transisi antar state yang diasumsikan sesuai
distribusi eksponensial. Karena distribusi eksponensial bersifat pelupa maka setiap transisi dari
suatu state ke state yang lainnya bersifat Markov. Dengan menggunakan sifat Markov maka
perhitungan kinerja proses mudah dilakukan dan hasilnya cukup andal bila proses memenuhi
asumsi. Dalam penerapannya harus dilakukan pemeriksaan asumsi distribusi eksponensial
dengan melakukan pengumpulan data waktu transisi proses dan menggunakan prosedur uji
hipotesis yang sesuai untuk menyimpulkannya.

2.1 Proses Poisson Homogin: adalah Proses Markov yang paling sederhana dan mempunyai
banyak penerapan, antara lain dalam bidang asuransi, ruin theory, reliabilitas dsbnya.
Proses Poisson adalah kejadian khusus dari proses hitung (Counting Process), dimana
distribusi waktu kejadian sesuai distribusi eksponensial. Distribusi eksponensial
merupakan satu-satunya distribusi kontinyu yang bersifat pelupa.

Contoh 2.1 : Data berikut menunjukkan life time komponen elektronik tertentu (satuan
dalam jam).
12 64 52 98 120 62 53 101 34 225
Pertanyaan :
a. Simpulkan data sesuia distribusi eksponensial.
b. Taksir nilai parameter distribusi eksponensial.
c. Hitung probabilitas komponen akan rusak dalam waktu 25 jam. Interpretasikan!
d. Andaikan komponen telah berungsi baik selama 50 jam maka hitung probabilitas
komponen akan rusak dalam 25 jam berikutnya. Interpretasikan!

Asumsi-Asumsi Proses Poisson Homogin :


Misal N(t) adalah banyak kejadian dalam waktu t :
1. N(t)=0
2. N(t) mempunyai sifat kenaikan bebas (independent increment)
3. N(t) mempunyai sifat penambahan tetap (stationary increment)
4. Dalam interval waktu yang kecil hanya boleh terjadi satu kejadian, ditulis :
PN t 1 t 0t dan PN t 2 0t

Definisi Proses Poisson : Proses stokastik N t ; t 0 dimana N(t) memenuhi asumsi-


asumsi diatas disebut Proses Poisson dengan rate .

Berdasarkan asumsi-asumsi diatas dapat disusun PD Proses Poisson sebagai berikut :


Pk (t ) Pk 1 (t ) Pk (t )
k 0,1,2,
P0 (t ) P0 (t )

Modul Ajar Stokastik Haryono 2016 | 13


Dengan syarat batas P0(0)=0 dan Pk(0)=0, k=0,1,2,3,....
Penyelesaian umum PD Poisson adalah :

PN t k e t
t k , k=0,1,2,... (2.1)
k!

Contoh 2.2 :
Proses kedatangan pelanggan kesuatu bank sesuai Proses Poisson dengan laju
kedatangan 15 orang tiap menit.
Pertanyaan :
a. Jelaskan analisis data untuk mengetahui proses kedatangan sesuai Proses Poisson.
b. Hitung probabilitas dalam 1 jam terdapat 60 pelanggan yang datang.
c. Hitung probabilitas terdapat 100 pelanggan yang datang natara jam 10.00-10.30
bila diketahui antara jam 09.00-09.45 ada 40 pelanggan yang datang.
d. Hitung P{N(30)-N(20)}=5 orang.
e. Hitung E{N(t)} dan Var{N(t)} untuk 30 menit.

Sifat-Sifat Proses Poisson :


1. Distribusi waktu kedatangan dalam Proses Poisson adalah distribusi eksponensial.
2. Azaz Dekomposisi : Pecahan Proses Poisson juga Proses Poisson dengan rate
tertentu. Misal N(t) adalah Proses Poisson denga rate , memecah dengan
probabilitas p, menjadi 2 proses N1(t) dan N2(t). Masig-masing pecahan proses ini
juga merupakan Proses Poisson dengan rate p dan (1 p) . Sifat ini dapat
diperluas untuk k pecahan Proses Poisson.
3. Azas Superposisi : gabungan Proses Poisson juga Proses Poisson. Misal N1(t) dan
N2(t) masing-masing Proses Poisson dengan rate 1 2 . Sifat ini dapat diperluas
untuk gabungan k Proses Poisson.

Contoh 2.3 :
Misal ada 2 kejutan (shock) yang dapat menyebabkan kerusakan komponen elektronika
tertentu. Kejutan jenis 1 timbul sesuai PP(0,01) dan akan menyebabkan kerusakan
komponen dengan probabilitas 0,015. Kejutan jenis 2 juga timbul sesuai PP(0,02) dan
akan menyebabkan kerusakan dengan probabilitas 0,025.
Pertanyaan :
a. Tentukan distribusi umur (life-time) komponen tersebut.
b. Hitung reliabilitas komponen setelah 100 hari.

Proses Poisson Non Homogin (PPNH)


t
Dalam PPNH, fungsi intensitasnya adalah fungsi dari waktu, ditulis (t ) (t )dt
0
diperoleh :

PN t k e t
t k , k=0,1,2,... (2.2)
k!
disebut nilai fungsi dari PPNH.

Modul Ajar Stokastik Haryono 2016 | 14


Contoh 2.4 :
Andaikan usia pakai suatu komponen sesuai PPNH dengan fungsi intensitas
(t ) 0,02t 0,8

Pertanyaan :
a. Dapatkan mean fungsi intensitasnya.
b. Buat grafik fungsi intensitas dan mean fungsinya.
c. Hitung ekspektasi banyak komponen yang rusak dalam interval waktu
[0,20];[20,40];[40,60] dan [60,80] hari. Interpretasikan!

CATATAN :
1
Jika waktu kerusakan sesuai distribusi Weibull maka t t dimana 0

dan 0 , maka disebut Power Law Process.
Fungsi densitinya :
1
t t
f (t ) exp , t 0

2.2 Matriks Rate


Dalam Modul 1 telah dibahas Markov Chain, dimana transisi proses dimodel dengan
matriks stokastik P. Untuk proses Markov, jika digunakan matriks stokastik P(t) maka
tak terhingga banyak elemen-elemennya, lagi pula cukup sulit mendapatkan matriks
stokastik secara langsung dari proses. Untuk memudahkan disusun terlebih dulu matriks
rate. Tetapi sifat-sifat kinerja proses tetap dianalisis dari matriks stokastiknya.

Contoh 2.6 :
Andaikan usia pakai satelit komunikasi sesuai distribusi eksponensial dengan mean .
Jika mesin rusak dapat diperbaiki dengan waktu perbaikan sesuia distribusi eksponensial
dengan mean . Misal X(t) adalah kondisi mesin saat t, nilainya 1 bila berfungsi baik
dan 0 bila rusak.
Pertanyaan :
a. Jelaskan mengapa sifat Markov berlaku dan manfaatnya untuk model penggunaan
mesin ini.
b. Susun matriks stokastik P(t).
c. Susun diagram transisi dan matriks rate R.

2.3 Analisis Transien : Metode Uniformisasi


Berikut akan dibahas metode uniformisasi untuk mendapatkan matriks stokastik P(t)
dimatriks rate R :
- Susun Matriks Rate R
N
- Pilih r>max[ri], dimana ri rij
j 1

Modul Ajar Stokastik Haryono 2016 | 15


- Tentukan matriks P sebagai berikut :

P Pij
Dimana
rij
1 ; jika i j

Pij r
rij
; jika i j
r

Contoh 2.7 :
Andaikan R diberikan oleh :
0 2 3 0
4 0 2 0
R
0 2 0 2

1 0 3 0
Pertanyaan : Dapatkan matriks stokastik P .

Berikut ini diberikan persamaan untuk mendapatkan matriks stokastik P(t). Matriks
stokastik P(t) diberikan oleh :

rt k
P(t ) e rt
k!
p k (2.3)
k 0
Sebagai nilai penderetan sampai ke-M dapat digunakan pendekatan berikut :

M Max rt rt ,20
Contoh 2.8 : Dengan menggunakan nilai-nilai r dan P pada contoh 2.6.
a. Tentukan matriks stokastik P(t).
b. Hitung nilai P(0,5),(1) dan P(5) sampai 4 desimal.

2.4 Matriks Okupansi


Dalam bagian ini akan dibahas cara menghitung ekspektasi banyak kali proses akan
berada pada state tertentu dalam jangka waktu tertentu. Hasil yang diperoleh bermanfaat
dalam analisis beaya. Misal mij(t) adalah ekspektasi banyak kali proses berada di state j
dalam jangka waktu t jika mula-mula proses berada di state i, maka berlaku :
T


mij (t ) pij (t )dt ; 1 i, j N (2.4)
0
Contoh 2.9 :
Lihat kembali Contoh 2.6, andaikan rata-rata usia pakai mesin 10 hari dan rata-rata waktu
perbaikan 1 hari.
Pertanyaan :
a. Jika awal September mesin baik maka hitung probabilitas mesin baik pada akhir
September.
b. Hitung ekspektasi banyak hari mesin rusak selama bulan Desember.

Modul Ajar Stokastik Haryono 2016 | 16


2.5 Distribusi Limit
Untuk memudahkan perhitungan maka dianggap proses berlangsung lama dan matriks
tokastik bersifat ergonic. Distribusi limitnya merupakan penyelesaian persamaan :
N
Pj r j pi rij ; 1 j N (2.5)
i 1
N
pi 1 (2.6)
i 1

Contoh 2.10 :
Lihat Contoh 2.9, Hitung distribusi limit dari keadaan mesin dan Interpretasikan!

2.6 Model Beaya


2.6.1 Finite Horizon
Misal M(t)=(mij(t)) adalah matriks okupansi dan C adalah beaya yang terjadi bila
proses berada disuatu state tertentu. Maka ekspektasi biaya total dalam jangka waktu
T (Finite Horizon) adalah :
g (T ) M (t )C (2.7)

Contoh 2.11 :
Lihat kembali Contoh 2.9, andaikan mesin menghasilkan pendapatan Rp.A tiap hari dan
jika terjadi kerusakan diperlukan beaya Rp.B tiap hari.
Pertanyaan :
a. Jika mula-mula mesin berfungsibaik maka hitung ekspektasi pendapatan bersih
dalam jangka waktu T.
b. Andaikan A adalah Rp.240 juta dan B adalah Rp.48 juta, taksir pendapatan bersih
bulan Oktober.

2.6.2 Long Ruw/Steady State


Yaitu matriks stokastik mempunyai distribusi limit, maka ekspektasi beaya total
persatuan waktu dalam jangka panjang adalah :
N
g (i) p jC( j) , 1 i N (2.8)
j 1

Contoh 2.12 :
Lihat kembali Contoh 2.11, Hitung ekspektasi pendapatan bersih tiap hari dalam jangka
panjang.

2.7 First Passage Times


Kinerja proses lain dalam analisis Proses Markov adlah ekspektasi jangka waktu yang
diperlukan untuk proses masuk ke state tertentu pertama kali. Misal T adalah jangka
waktu proses masuk ke state N pertama kali, ditulis :
T min t 0, X (t ) N

Modul Ajar Stokastik Haryono 2016 | 17


Dan nilai ekspektasi :
mi E T / X 0 i dan mN 0
Untuk mi, 1<i<N-1, memenuhi persamaan berikut :
N 1
ri mi 1 rij m j , 1 i N -1 (2.9)
j 1

Persamaan 2.9 dapat diperluas untuk proses masuk himpunan state tertentu pertama kali.
Misal mi(A) adalah ekspektasi jangka waktu proses masuk ke himpunan state A pertama
kali maka berlaku persamaan :

ri mi ( A) 1 rij m j ( A), i A (2.10)


j A

Contoh 2.13 :
Pesawat terbang komersial mempunyai 4 mesin, masing-masing 2 mesin tiap sayap.
Masing-masing mesin mempunyai usia pakai sesuai distribusi eksponensial dengan
parameter . Setelah dipakai jangka waktu tertentu mesin rusak. Jika kerusaan pada saat
terbang maka tidak dilakukan perbaikan. Pesawat memerlukan paling sedikit 1 mesin
berfungsi baik pada tiap sayap agar dapat terbang dengan baik.
Pertanyaan :
a. Susun Model Markov yang dapat digunakan untuk memprediksi probabilitas
pesawat gagal dalam penerbangan.
b. Andaikan usia rata-rata pemakaian mesin dijamin 200 jam dan andaikan juga
keempat mesin berfungsi baik pada awal 6 jam penerbangan. Hitung probabilitas
pesawat sukses dalam penerbangannya (mendarat dengan selamat).
c. Hitumg ekspektasi lama waktu pesawat gagal terbang atau akan jatuh pertama kali.

ISTILAH-ISTILAH PENTING

Distribusi Eksponensial Distribusi Limit


Memoryless Property First Passage Times
Proses Poisson Analisis Transient
PD Proses Poisson Distribusi Occupancy
Proses Poisson Non Homogin Matriks Rate
Model Beaya (Long Run & Finite Horizon)

Modul Ajar Stokastik Haryono 2016 | 18


2.8 SOAL-SOAL LATIHAN MODUL 2 (PROSES MARKOV)

1. Andaikan proses kerusakan komponen tertentu sesuai PPH dengan intensitas


0,0125 kerusakan tiap hari.
Pertanyaan :
a. Hitung probabilitas tidak terdapat komponen yang rusak dalam waktu 100 jam.
b. Probabilitas tredapat lebih 4 komponen rusak dalam 100 jam.
c. Taksir banyak komponen yang rusak dalam 900-1000 jam.
2. Tinjau PPH dengan intensitas 1
100
Hitung :
a. (t )
b. E (N (200))
c. P( N 200) 5)
3. Tinjau PPNH dengan intensitas (t ) 2 t
200
Hitung :
a. (t )
b. E (N (200))
c. P( N 200) 5)
1
t
4. Tinjau PPNH dengan intensitas (t ) dimana 0 1
t
Hitung :
a. (t )
b. E ( N (t ))
c. E ( N ())

5. Lihat kembali Contoh 2.6, tetapi ada 2 mesin dan 2 teknisi. Susun matriks
stokastiknya.

6. Lihat Soal no.5, tetapi ada 4 mesin dan 2 teknisi. Susun matriks stokastiknya.

7. Misal suatu workshop mempunyai 4 buah mesin dan 2 orang mekanik untuk
memperbaiki mesin yang rusak. Andaikan usia pakai (life-time) mesin sesuai
distribusi eksponensial dengan mean 3 hari dan waktu perbaikan kerusakan mesin
sesuai distribusi eksponensial dengan mean 2 jam; Workshop bekerja 24 jam. Misal
{X(t)} adalah banyak mesin yang berfungsi baik pada waktu t.
Pertanyaan :
a. Jelaskan proses yang sesuai untuk sistem ini.
b. Tentukan state space dari proses.
c. Tentukan input rate dan output ratenya.
d. Hitung probabilitas mesin bekerja baik dalam jangka panjang.
e. Hitung probabilitas kedua mekanik sibuk dalam jangka panjang.

Modul Ajar Stokastik Haryono 2016 | 19


8. Andaikan dari soal no.1 diatas, masing-masing mesin menghasilkan pendapatan
Rp.500.000 tiap jam jika bekerja dengan baik.= dan memerlukan biaya Rp.150.000
bila rusak perjamnya. Disamping itu ada tambahan iaya Rp.100.000 untuk tiap jam
waktu perbaikan. Misal X(t) menunjukkan banyak mesin berfungsi baik dalam waktu
t. X (t ), t 0 adalah RMK dengan state space {0,1,2,3,4}.
Pertanyaan :
a. Susun matriks rate dari sistem.
b. Hitung besar pendapatan tiap state dari sitem.
c. Hitung ekspektasi pendapatan bersih tiap hari.

Modul Ajar Stokastik Haryono 2016 | 20