RANTAI MARKOV

WAKTU DISKRIT (PROSES MARKOV)

1
 Definisi
Misal  X (n) , n  0,1, 2,... proses stokastik dengan
indeks parameter diskrit dan ruang keadaan
i  0,1,2,... memenuhi
P  X (n  1)  j | X (0)  i0 , X (1)  i1 ,..., X (n  1)  in1 , X (n)  i

 P  X (n  1)  j | X (n)  i  pij (5.1)

 i0 , i1 ,..., in1 , i, j,dan n, maka proses dinamakan

Rantai Markov parameter diskrit, dan pij disebut

2 peluang transisi.
 1. Catat bahwa, X (n)  i menyatakan proses berada
dalam keadaan i (i = 0 ,1, 2,…) pada waktu
n (n = 0,1,2,…).

2. Nama rantai Markov ini diambil dari nama

Andrei Markov (1856-1922) yang pertama meneliti
kelakuan proses stokastik tersebut setelah proses
dalam selang waktu yang panjang.

3
 3. Peluang bersyarat pada (5.1) menggambarkan
histori keseluruhan, proses hanya tergantung
pada keadaan sekarang X(n)=i, bebas dari waktu
lampau, 0,1,2,…,n-1.

Artinya, peluang bersyarat dari keadaan

“mendatang” hanya tergantung dari keadaan
“sekarang” dan bebas dari keadaan “yang lalu”.

Sifat ini disebut sifat Markov atau Memory Less.

4
 4. Peluang transisi dari keadaan i ke keadaan j
( pij ) persamaan (5.1) hanya bergantung
pada waktu sekarang, secara umum.

Apabila peluang transisi bebas dari waktu n,

maka disebut peluang transisi stasioner, dan
rantai Markov disebut dengan
Rantai Markov dengan peluang transisi stasioner.

dan disebut juga,

Rantai Markov Homogen.

5
 5.2 Contoh Rantai Markov
1. Barisan bilangan bulat.
2. Barisan variabel-variabel acak bernilai bilangan
bulat yang saling bebas dan mempunyai distribusi
peluang yang sama.
3. Random Walks yang didefinisikan sebagai
 n

 X (n)   i , i  1, 2,...
 i 1 
Random Walks adalah proses melangkah dari
suatu objek di garis bilangan dimana objek itu
dapat bergerak ke kiri atau ke kanan.
6
 Akan ditunjukkan bahwa random walks (contoh 3)
adalah rantai Markov.
Perhatikan random walks yang hanya dapat bergerak
ke kanan;
 n



X ( n )  
i 1
 i , i  1, 2,...

P  X (n  1)  j | X (1)  i1 , X (2)  i2 ,..., X (n  1)  in1 , X (n)  i
 n 1 n 1 n n 1

 P   k  j | 1  i1 ,...,   k  in 1 ,   k    k   n  i 
 k 1 k 1 k 1 k 1 
 n 1 n n 1

 P   k  j |   k    k   n  i 
 k 1 k 1 k 1 
Sifat di atas berlaku untuk semua n dan kombinasi i1 , i2 ,...,
in 1 , in . Jadi, X (n)   i , i  1, 2,... adalah rantai Markov.
n

7
 i 1 
 5.3 Matriks peluang transisi

Misalkan  X (n) , n  0,1, 2,... adalah rantai Markov

Homogen dengan ruang keadaan tak hingga,
i  0,1, 2,... maka

pij  P  X (n  1)  j | X (n)  i (5.2)

menyatakan peluang transisi satu langkah dari

keadaan i ke keadaan j .

8
 Matriks peluang transisi satu langkah dari
 X (n) , n  0,1, 2,... didefinisikan sebagai
 p00 p01 p02 ...
p p11 p12 ...
P   pij    10

 p20 p21 p22 ...

 
 

dengan pij  0 dan p
j 0
ij  1  i, j  0,1, 2,...

9
 Dalam kasus ruang keadaan i berhingga, i=0,1,…,m
Maka P berukuran m  m;

 p00 p01 p02 ... p0 m 

p p11 p12 ... p1m 
 10
P   pij    p20 p21 p22 ... p2 m 
 
 
 pm 0 pm1 pm 2 ... pmm 

dengan pij  0 dan p
j 0
ij  1  i, j  0,1, 2,..., m 
10
 Contoh:
1. Matriks peluang transisi untuk rantai markov
dua keadaan :
 p00 p01  0 1
P  
 p10 p11  1 0

2. Matriks peluang transisi untuk rantai markov

dua keadaan secara umum :

 p00 p01  1  a a 
P  
 p10 p11   b 1  b 

11
 3. Matriks peluang transisi untuk rantai markov
empat keadaan :

1 1 
2 0 0
2
 
1 1
0
1
P  3 3 3
 
1 1 1 1
4 4 4 4
0 0 
 0 1

12
 5.4 Diagram Transisi

Rantai Markov dapat direpresentasikan sebagai

suatu graf dengan himpunan verteksnya ruang
keadaan dan peluang-peluang transisi digambarkan
sebagai himpunan sisi yang berarah dengan bobot
sisi menyatakan peluanngya.

Graf yang merepresentasikan rantai Markov

tersebut dinamakan diagram transisi dari rantai
Markov tersebut.
13
 Contoh :
1. Diagram transisi dari contoh 1, dengan
0 1 
matriks peluang transisi P   
1  1 0 

0 1

Catatan: lingkaran menyatakan state (keadaan),

arah panah menyatakan peluang transisi dari
keadaan i ke keadaan j.
14
 2. Diagram transisi dari contoh 2, dengan
1  a a 
matriks peluang transisi P   
 b 1  b 
dimana 0  a  1, 0  b  1,|1  a  b |  1.

1-a 0 1 1-b

b
15
 3. Misal di suatu daerah beredar dua sampo,
yakni sampo A dan B. Suatu lembaga
mengadakan survey penggunaan sampo,
survey pertama mengatakan 40% orang
daerah itu menggunakan sampo A dan 60 %
menggunakan sampo B.
Survey kedua mengatakan setiap minggunya,
15 % pengguna sampo A beralih ke B dan
5 % pengguna sampo B beralih ke A.
Asumsikan jumlah pengguna sampo di
daerah itu tetap.
Buat mariks peluang transisi dan diagram
transisi dari masalah tersebut.
16
 Jawab:

Misal X (n) menyatakan sampo yang digunakan

setiap minggu ke-n. Maka  X (n) rantai Markov
dengan ruang parameter {1,2,…,n,…} dan ruang
keadaan { A, B}.

Matriks peluang transisinya:

 p AA p AB  0.85 0.15
P  
 pBA pBB  0.05 0.95
17
 Diagram transisinya :

0.15

A B 0.95
0.85

0.05

18
 Latihan:
1. Seorang pemandu wisata yang berkantor di
Jakarta bertugas mengantar wisatawan ke
Bandung setiap minggunya. Jika diamati posisi
pemandu wisata tersebut dalam 10 minggu seperti
tabel berikut;

Mgg 0 1 2 3 4 5 6 7 8 9 10

Kota J B B J B B J J B B J

19
 a. Tentukan matriks peluang transisi dari posisi
si pemandu wisata
b. Gambarkan diagram transisinya
c. Tentukan peluang transisi pemandu wisata dari
Jakarta ke Bandung!

2. Gambarkan diagram transisi untuk rantai Markov

dengan matriks peluang transisi berikut
0  1 0 0 
 
P1 1 / 3 2 / 3 0 
 0 1/ 2 1/ 2 
2  

20
 3. Ada dua kotak A dan B. Kotak A berisi 2 bola
putih dan kotak B berisi 2 bola hitam.
Dilakukan percobaan mengambil 1 bola secara
acak dari masing-masing kotak, kemudian
dipertukarkan ke kotak lainnya. Percobaan ini
dilakukan berulang kali. Asumsikan state ke
i (i = 0, 1, 2) menyatakan jumlah bola hitam di
kotak A.

a. Tentukan matriks peluang transisinya.

b. Gambarkan diagram transisinya.

21
 4. Gambarkan diagram transisi untuk rantai Markov
dengan matriks peluang transisi berikut
0 3 / 4 1/ 4 0 0 
1 1/ 3 2 / 3 0 0 
a. P   
2  0 0 1/ 2 1/ 2 
 
3  0 1/ 3 1/ 3 1/ 3 

0 0.4 0.6 0 0 
1 0.2 0.8 0 0 
b. P   
2 0 0 1 0
 
3 0 0 0.5 0.5
22
 5. Seorang Dokter praktek di tiga klinik berbeda
(“A”,”B”,”C”), dengan jadual praktek selama 15
hari ke depan seperti tabel berikut :

Hari 0 1 2 3 4 5 6 7

Klinik A B B C A C B A

Hari 8 9 10 11 12 13 14 15

Klinik A C B B C A B C

23
 a. Tentukan matriks peluang transisi dari tempat
praktek dokter tersebut.

b. Gambarkan diagram transisinya.

c. Tentukan peluang bahwa dokter tersebut

tetap berpraktek di klinik “B”.

24
 5.5 Persamaan Chapman-Kolmogorov

Sebelumnya telah didefinisikan peluang transisi

satu langkah pada persamaan (5.2),
pij  P  X (n  1)  j | X (n)  i
Selanjutnya akan ditentukan peluang proses yang
berada pada keadaan i akan berada pada keadaan
j setelah n transisi (peluang transisi langkah ke-n),
n
kita nyatakan dengan ij .p

pijn  P  X (m  n)  j | X (m)  i m  0, i, j  0.
25
 Sifat peluang rantai Markov  X (n), n  0,1, 2,...
secara lengkap digambarkan dengan peluang
inisial (awal) dan peluang transisi sebagai berikut:
P  X (0)  i0 , X (1)  i1 ,..., X (n)  in 
 P  X (n)  in | X (0)  i0 , X (1)  i1 ,..., X (n  1)  in1 
. P  X (0)  i0 , X (1)  i1 ,..., X (n  1)  in1 
 pin 1 in . P  X (0)  i0 , X (1)  i1 ,..., X (n  1)  in 1 
 ...
 pin 1 in pin  2 in 1 ... pi0 i1 P{ X (0)  i0 } (5.3)

26
dimana P  X (0)  i0  adalah peluang awal.
 Misalkan  0 menyatakan distribusi awal,

 (0)   0 (0), 1 (0),...  ,

dengan  j (0)  P  X (0)  j  0, j  0,1, 2,...

merupakan peluang awal, sehingga




j 0
j (0)  1.

27
 n
Selanjutnya akan dihitung pij melalui peluang
transisi pij dengan pij0  0, i  j dan pii0  1.
n
Peluang transisi n langkah pij dapat dihitung
dengan menjumlahkan semua peluang perpindahan
dari keadaan i ke keadaan k dalam r langkah
0  r  n dan perpindahan dari keadaan k
ke keadaan k pada sisa waktu n-r.

28
 pij  P  X (n)  j | X (0)  i
n


  P  X (r )  k | X (0)  i P  X (n)  j | X (r )  k 
k 0

pijn   pikr pkjn  r
i 1

Persamaan ini disebut persamaan

Chapman-Kolmogorov.
( nr )
Dalam bentuk matriks ditulis, P
( n)
 P .P
(r )

29
 j
k

0 r n
r nr

Interpretasi persamaan Chapman-Kolmogorov.

30
 Catat bahwa, P
(1)
 P   pij 
Secara rekursif kita punya matriks peluang transisi
n-langkah:
( n 1) ( n 1)
P (n)
 P .P
(1)
 P.P
( n  2)
 P .P
2

 ...
P n

Artinya, matriks peluang transisi langkah ke-n

diperoleh dari matriks P dipangkatkan n.

Sehingga kita punyai, P n  P r .P n  r

31
 Seperti persamaan pin 1 in pin  2 in 1 ... pi0 i1 P{X (0)  i0 },
maka peluang gabungan dapat dihitung melalui
peluang awal (seperti distribusi awal  0 ) dan
peluang transisi (matriks P).

Misal,  j (n)  P  X (n)  j


  PX n   j X 0  iPX 0  i
i 0

   i  0  pijn , j  0,1, 2,...
i 0

merupakan peluang proses keadaan j pada waktu

ke n.
32
 Misal  n   0 n,  1 n,... merupakan distribusi
n langkah, sehingga berlaku



j 0
j ( n)  1

maka
  n    (0)P n .

33
 Contoh:
Dari contoh 3 subbab 5.4, tentukan distribusi
pengguna sampo di daerah yang diteliti, lima
minggu setelah survey berlangsung.

Jawab :
 Tentukan distribusi awal;
Dari survey pertama diperoleh ,

 (0)  [ 0.4 , 0.6]

34
 Tentukan matriks peluang transisi 5 langkah ,
5
0.85 0.15 0.4958 0.5042 
P 
5
   .
0.05 0.95  0.1681 0.8319 
Diperoleh distribusi pengguna sampo dalam
lima minggu:
 (5)   (0).P
5

0.4958 0.5042 
 [0.4 , 0.6]  
 0.1681 0.8319 
 0.2992 0.7008 .
35
 Soal
1. Diberikan matriks peluang transisi dari suatu rantai
Markov,
0.6 0.4 
P 
 0.8 0.2 

Tentukan distribusi langkah ke-n,  (n)  [  0 (n),  1 (n)]

untuk n=2,4,8 jika diasumsikan distribusi inisial
(i)  (0)  [1, 0]
(ii)  (0)  [ 0.5, 0.5]
(iii)  (0)  [2 / 3,1/ 3]
36
 2. Pandang matriks peluang transisi dari suatu rantai
Markov,
0 1 0 0 
P  1 1/ 3 2 / 3 0 
2  0 1/ 2 1/ 2 

(i) Buatkan diagram transisinya .

(ii) Tentukan P2 , P3 , P4 .

(iii) Tentukan P n
37