RANTAI MARKOV 81

BAB 7
MODEL RANTAI MARKOV (MARKOV CHAINS)

PENDAHULUAN
Dalam kehidupan nyata, sejumlah fenomena dapat dipikirkan sebagai
percobaan yang mencakup sederetan pengamatan yang berturut-turut dan bukan satu
kali pengamatan. Umumnya, tiap pengamatan dalam suatu percobaan tergantung
pada beberapa atau semua pengamatan masa lalu dan hasil tiap pengamatan,
umumnya ditentukan dengan hukum-hukum peluang.
Rantai Markov (Markov chains) adalah suatu teknik matematika yang biasa
digunakan untuk melakukan pembuatan model (modelling) bermacam-macam sistem
dan proses bisnis. Teknik ini dapat digunakan untuk memperkirakan perubahan-
perubahan di waktu yang akan datang dalam variabel-variabel dinamis atas dasar
perubahan-perubahan dari variabel-variabel dinamis tersebut di waktu yang lalu.
Teknik ini dapat juga digunakan untuk menganalisa kejadian-kejadian di waktu-
waktu mendatang secara matematis.
Model rantai Markov dikembangkan oleh seorang ahli Rusia A. A. Markov,
pada tahun 1906. Penerapan rantai Markov mula-mula adalah pada ilmu-ilmu
pengetahuan phisik dan meteorologi. Teknik ini mula-mula digunakan untuk
menganalisa dan memperkirakan perilaku partikel-partikel gas dalam suatu wadah
(container) tertutup serta meramal keadaan cuaca. Sebagai suatu peralatan riset
operasi dalam pengambilan keputusan manajerial, rantai Markov telah banyak
diterapkan untuk menganalisa tentang perpindahan merk (brand switching) dalam
pemasaran, perhitungan rekening, jasa persewaan mobil, perencanaan penjualan,
masalah persediaan, pemeliharaan mesin, antrian, perubahan harga pasar saham dan
administrasi rumah sakit.

PROSES MODEL RANTAI MARKOV

Prosedur 1 – Menyusun matriks Probabilitas Transisi
Untuk mengambarkan proses Markov, akan disajikan suatu contoh masalah
tentang kegiatan-kegiatan pemilihan merk dan peramalan probabilitas transisi yang
kemungkinan dilakukan para konsumnen, yaitu pergantian dari satu merk ke merk
lain. Anggapan bahwa sampel konsumen terdiri dari kombinasi 1.000 responden
yang tersebar pada 4 merk yaitu merk A, B, C dan D. Anggapan selanjutnya adalah
bahwa sampel tersebut telah mewakili keseluruhan kelompok dalam kesetiaanya
terhadap suatu merk dan pola pergantian dari satu merk ke merk lain. Konsumen
berpindah dari satu merk ke merk lain dapat karena pengiklanan, promosi khusus,
harga, ketidakpuasan, dan lain-lain.
Dalam Tabel 7.1, sebagian besar pelanggan yang mula-mula membeli merk
A, tetap memilih merk tersebut pada periode kedua. Meskipun demikian, ada 50
konsumnen tambahan dibanding 45 konsumen yang berpindah dari merk A ke merk-
merk lain. Tabel 7.1 tidak menjelaskan informasi yang lengkap, sehingga suatu
 RANTAI MARKOV 82

analisa yang lebih perinci dibutuhkan untuk mengkuantifikasikan tingkat

“mendapatkan” dan “kehilangan” bersih di antara empat merk. Tanpa tipe analisa ini,
tidak akan diketahui berapa di antara 45 pelanggan yang meninggalkan merk A
berpindah ke B, C atau D, dan sebaliknya tambahan 50 pelanggan ke merk A berasal
dari merk B, C atau D.

Tabel 7.1 Pertukaran-pertukaran Pelanggan Untuk Satu Tahun

Periode Pertama Perubahan Selama Periode Periode Kedua
Merk Jumlah Jumlah
Mendapatkan Kehilangan
Pelanggan Pelanggan
A 220 50 45 225
B 300 60 70 290
C 230 25 25 230
D 250 40 35 255
1000 175 175 1000

Atas dasar suatu survei konsumen telah diketahui informasi pola-pola

pepindahan merk seperti dalam Tabel 7.2 Di antara 220 pembeli merk A, 175
pembeli adalah loyal, 20 pembeli berpindah ke merk B, 10 pembeli berpindah ke
merk C dan 15 pembeli berpindah ke merk D. Begitu juga, dari 300 pembeli merk B,
230 tetap setia pada merk B, sedangkan 40 pembeli berpindah ke merk A, 5 pembeli
berpindah ke merk C dan 25 pembeli berpindah ke merk D. Ini berlaku juga untuk
para pembeli merk C dan D.
Dalam Tabel 7.2 diuraikan pula, selain informasi tentang jumlah
“kehilangan” ke merk para pesaing juga informasi jumlah “mendapatkan” langganan
dari merk-merk saingan. Sebagai contoh, merk A kehilangan 45 langganannya, tetapi
secara bersamaan mendapatkan 50 langganan dari merk-merk lain (40 langganan dari
merk B dan 10 langganan dari merk D), sehingga merk A memperoleh tambahan
bersih 5 langganan, dan seterusnya. Meskipun kita mempunyai informasi pola
perpindahan merk langganan dalam Tabel 7.2 tersebut, tetapi tidak ada perubahan
dalam jumlah merk dan langganan total. Hal ini merupakan karakteristik dasar
proses-proses Markov, yaitu serangkaian perubahan progresif dan saling
ketergantungan.

Tabel 7.2 Pergantian Merk – Mendapatkan dan Kehilangan

Periode Mendapatkan dari Kehilangan ke Periode
Pertama Kedua
Merk
Jumlah A B C D A B C D Jumlah
Pelanggan Pelanggan
A 220 0 40 0 10 0 20 10 15 225
B 300 20 0 25 15 40 0 5 25 290
C 230 10 5 0 10 0 25 0 0 230
D 250 15 25 0 0 10 15 10 0 255
1000 1000

Dari data di atas, langkah selanjutnya merubah pergantian merk yang

dilakukan para langganan agar seluruh “mendapatkan” dan “kehilangan” menjadi
bentuk probabilitas transisi. Perhitungan secara matematis adalah dengan
 RANTAI MARKOV 83

menggunakan matriks probabilitas transisi seperti yang terlihat dalam Gambar 7.1
berikut.
Mendapatkan
dari Merk
Kehilangan A B C D

 175 40 0 10 
A

 
B
C
D  20 230 25 15 
 10 5 205 10 
 
 15 25 0 215 

220 300 230 250
Merk Tetap dalam
penguasaan
A B C D (pemilikan)
A
 0,796 0,133 0,000 0,040 
B
C
 
D  0,091 0,767 0,109 0,060 
 0,046 0,017 0,891 0,040 
 
 0,067 0,083 0,000 0,860 

Gambar 7.1 Matriks Probabilitas Transisi

Baris dalam matriks menunjukkan “mendapatkan” pelanggan sedangkan

kolom menunjukkan “kehilangan” pelanggan. Dalam Gambar 7.1, matriks pertama
adalah perihal jumlah para pelanggan nyata, sedangkan matriks kedua adalah perihal
probabilitas transisi. Perhitungan untuk matriks probabilitas dalam Gambar 7.1
adalah sebagai berikut :

MEREK
A B C D
A 40 0 10
 0,133  0,000  0,040
175 300 230 250
 0,796
220
 RANTAI MARKOV 84

B
20
 0,091 230 25 15
220  0,767  0,109  0,060
300 230 250
C
5 205 10
10  0,017  0,891  0,040
 0,046 300 230 250
220
25 0 215
D  0,083  0,000  0,860
15 300 230 250
 0,067
220

Sebagai contoh bagaimana membaca baris-baris dan kolom-kolom tersebut : baris 1

menunjukkan bahwa A tetap menguasai 0,796 dari para pelanggannya dan
mendapatkan 0,133 dari para pelanggan B dan 0,040 dari para pelanggan D serta
tidak mendapatkan dari para pelanggan C; kolom 1 menunjukkkan bahwa merk A
tetap menguasai 0,796 dari para pelanggannya dan kehilangan 0,091, 0,046 dan
0,067 para langganannya ke B, C dan D.
Data ini dapat meramalkan tingkat dimana suatu merk akan mendapatkan
atau kehilangan market sharenya di waktu yang akan datang sehingga manajemen
dapat mengarahkan usaha-usaha promosinya.

Prosedur 2 – Menghitung Kemungkinan Market Share Di Waktu Yang Akan

Datang.

Kembali ke contoh, market share untuk merk A, B, C dan D sekarang adalah

22, 30, 23 dan 25 persen untuk periode pertama. Manajemen akan memperoleh
manfaat bila mereka mengetahui berapa market sharenya di periode waktu yang akan
datang. Perhitungan market share yang mungkin untuk merk A, B, C dan D dalam
periode kedua dapat diperoleh dengan mengalikan matriks probabilitas transisi
dengan market share pada periode pertama :
Kemungkinan
Market share Market share
Probabilitas transisi Periode pertama Periode kedua
A B C D
A
 0,796 0,133 0,000 0,040   0,22  0,225 
 
B
C    
D  0,091 0,767 0,109 0,060   0,30   0,290 
 0,046 0,017 0,891 0,040  X  0,23   0,230 
   
 0,25
 
 0,255 
 0,067 0,083 0,000 0,860 
    
1,0 1,0 1,0 1,0 1,0 1,0
 RANTAI MARKOV 85

Perhitungan merk A (baris pertama x kolom pertama) :

(1). Kemampuan A untuk tetap menguasai langganannya sendiri dikalikan bagian
pasar A : 0,796 x 0,22 = 0,175
(2). Kemampuan A untuk mendapatkan langganan B dikalikan bagian pasar B :
0,133 x 0,30 = 0,040
(3). Kemampuan A untuk mendapatkan langganan C dikalikan bagian pasar C :
0,000 x 0,23 = 0,000
(4). Kemampuan A untuk mendapatkan langganan D dikalikan bagian pasar D :
0,040 x 0,25 = 0,010
Bagian pasar merk A pada periode kedua = 0,225

Perhitungan yang sama dilakukan untuk merk B, C dan D. Perhitungan merk

B (baris kedua x kolom pertama) :
0,091 x 0,22 = 0,020
0,767 x 0,30 = 0,230
0,109 x 0,23 = 0,025
0,060 x 0,25 = 0,015
Bagian pasar merk B pada periode kedua = 0,290
Perhitungan merk C (baris ketiga x kolom pertama) :
0,046 x 0,22 = 0,010
0,017 x 0,30 = 0,005
0,891 x 0,23 = 0,205
0,040 x 0,25 = 0,010
Bagian pasar merk C pada periode kedua = 0,230

Perhitungan merk D (baris keempat x kolom pertama) :

0,067 x 0,22 = 0,015
0,083 x 0,30 = 0,025
0,000 x 0,23 = 0,000
0,860 x 0,25 = 0,215
Bagian pasar merk D pada periode kedua = 0,255

Setelah pemecahan untuk periode kedua, periode ketigapun dapat ditentukan.

Perkalian matriks digunakan lagi untuk mencari market share setiap merk.
Kemungkinan
Market share Market share
Probabilitas transisi Periode kedua Periode ketiga
A B C D
A
B
C
D
 RANTAI MARKOV 86

 0,796 0,133 0,000 0,040   0,225  0,228 

     
 0,091 0,767 0,109 0,060   0,290  0,283 
 0,046 0,017 0,891 0,040  X  0,230   0,231 
   
 0,255
 
 0,258 
 0,067 0,083 0,000 0,860 
    
1,0 1,0 1,0 1,0 1,0 1,0
Perhitungan merk A (baris pertama x kolom pertama) :
0,796 x 0,225 = 0,179
0,133 x 0,290 = 0,039
0,000 x 0,230 = 0,000
0,040 x 0,255 = 0,010
Bagian pasar merk A pada periode kedua = 0,228

Perhitungan merk B (baris kedua x kolom pertama) :

0,091 x 0,225 = 0,020
0,767 x 0,290 = 0,230
0,109 x 0,230 = 0,025
0,060 x 0,255 = 0,015
Bagian pasar merk B pada periode kedua = 0,283

Perhitungan merk C (baris ketiga x kolom pertama) :

0,046 x 0,225 = 0,010
0,017 x 0,290 = 0,005
0,891 x 0,230 = 0,205
0,040 x 0,255 = 0,010
Bagian pasar merk C pada periode kedua = 0,231

Perhitungan merk D (baris keempat x kolom pertama) :

0,067 x 0,225 = 0,015
0,083 x 0,290 = 0,025
0,000 x 0,230 = 0,000
0,860 x 0,255 = 0,215
Bagian pasar merk D pada periode kedua = 0,258
 RANTAI MARKOV 87

Dengan cara yang sama maka dapat dihitung periode keempat, kelima dan
seterusnya dengan demikian maka perubahan yang terjadi dari periode ke periode
dapat diamati.

Prosedur 3 – Menentukan Kondisi-kondisi Equilibrium

Kondisi equilibrium tercapai bila tidak ada pesaing yang mengubah matriks
probabilitas transisi. Dalam keadaan equilibrium pertukaran para pelanggan
berkenaan dengan retention ”mendapatkan” dan ”kehilangan” akan statik.

Beberapa prediksi prosentase pasar untuk beberapa periode sampai kondisi

kemantapan pasar (equilibrium) :

Tabel 7.3 Kemantapan Pasar (Kondisi equilibrium)

Periode Merk A Merk B Merk C Merk D
1 0,220 0,300 0,230 0,250
2 0,225 0,290 0,230 0,255
3 0,228 0,283 0,231 0,258
4 0,229 0,279 0,231 0,261
5 0,230 0,275 0,232 0,263
6 0,230 0,273 0,232 0,265
7 0,230 0,272 0,233 0,265
8 0,230 0,271 0,233 0,266
9 0,230 0,270 0,233 0,267
10 0,230 0,269 0,234 0,267
11 0,229 0,269 0,234 0,268
12 0,229 0,269 0,234 0,268
13 0,229 0,269 0,234 0,268
14 0,228 0,269 0,235 0,268
15 0,228 0,269 0,235 0,268
16 0,228 0,269 0,235 0,268
17 0,228 0,268 0,236 0,268
18 0,228 0,268 0,236 0,268
19 0,228 0,268 0,236 0,268

Tabel Lanjutan Kemantapan Pasar (Kondisi equilibrium)

Periode Merk A Merk B Merk C Merk D
 RANTAI MARKOV 88

20 0,228 0,268 0,236 0,268

21 0,228 0,268 0,236 0,268
22 0,228 0,268 0,236 0,268
23 0,228 0,268 0,236 0,268
24 0,228 0,268 0,236 0,268
25 0,228 0,268 0,236 0,268
26 0,228 0,268 0,236 0,268
27 0,228 0,268 0,236 0,268
28 0,228 0,268 0,236 0,268
29 0,228 0,268 0,236 0,268
30 0,228 0,268 0,236 0,268
31 0,228 0,268 0,236 0,268
32 0,228 0,268 0,236 0,268
33 0,228 0,268 0,236 0,268
34 0,228 0,268 0,236 0,268
35 0,228 0,268 0,236 0,268
36 0,228 0,268 0,236 0,268
37 0,228 0,268 0,236 0,268
38 0,228 0,268 0,236 0,268
39 0,228 0,268 0,236 0,268
40 0,228 0,268 0,236 0,268
41 0,228 0,268 0,236 0,268
42 0,228 0,268 0,236 0,268
43 0,228 0,268 0,236 0,268
44 0,228 0,268 0,236 0,268
45 0,228 0,268 0,236 0,268
46 0,228 0,268 0,236 0,268
47 0,228 0,268 0,236 0,268
48 0,228 0,268 0,236 0,268
49 0,228 0,268 0,236 0,268
50 0,228 0,268 0,236 0,268
51 0,228 0,268 0,236 0,268
52 0,228 0,268 0,236 0,268

Dari Tabel 7.3 diperlihatkan bahwa kondisi kemantapan pasar (equilibrium)

tercapai pada periode ke-15 dimana kondisi kemantapan pasar untuk merk A sebesar
22,8%, merk B sebesar 26,9%, merk C sebesar 23,5% dan merk D sebesar 26,8%.
Dengan mengetahui kondisi kemantapan pasar tersebut maka masing-masing merk
dapat menentukan strategi pemasaran yang akan dijalankan saat ini.

RANTAI MARKOV MODEL PEMROGRAMAN DINAMIS.

Untuk memenuhi jumlah state pada masing-masing state adalah m, maka :
fn (i) = ekspektasi pendapatan optimum dari state n, n + 1, ..., N jika state dari
sistem pada awal periode ke-n adalah i. Maka perhitungan mundur yang
menghubungkan fn dengan fn+1 dapat dituliskan sebagai berikut :

m 
(i)  maks  p ij   f n 1 (j) , n  1, 2, ..., N
k k
f n k  r ij 
 j 1 
Dimana :
 RANTAI MARKOV 89

fn+1 (j) = 0, untuk seluruh j

Stage n Stage n + 1
pi1k, ri1k
fn (1) 1 1 fn+1 (1)

.
pijk, rijk
.
fn (i) i j fn+1(j)

.
pimk, rimk
.
fn (m) m m fn+1 (m)

Gambar 7.2 Perhitungan Mundur Dalam Program Dinamis

Sebagai bukti kebenaran persamaan di atas adalah bahwa pendapatan kumulatif,
yaitu rijk + fn+1 (j), yang diperoleh dengan mencapai state j pada state n+1 dari state i
pada state n, terjadi dengan probabilitas pijk. Jika vik menyatakan ekspektasi
pendapatan yang dihasilkan dari suatu transisi tunggal dari state i pada alternatif k,
maka vik ini dapat dinyatakan sebagai :

m k k
 p ij r ij
k
vi 
j 1

Sehingga hubungan rekursifnya dapat dinyatakan sebagai berikut :

f n
(i)  maks
k
vi 
k

 k m k 
f n
(i)  maks v i   pij f n 1
( j ) , n  1, 2, ..., N - 1
k
 j 1 

Contoh 2 :
Setiap tahun awal musim tanam, seorang petani menggunakan pengujian
kimia untuk memeriksa kondisi tanah. Bergantung pada hasil pengukuran tersebut,
produktivitas sawah tersebut untuk musim itu dikelompokkan sebagai baik, sedang
atau buruk. Selama bertahun-tahun, petani tersebut melihat bahwa produktivitas
tahun sekarang bergantung pada kondisi tanah tahun lalu. Probabilitas transisi di
sepanjang periode satu tahun dari satu keadaan produktivitas ke keadaan lainnya
adalah sebagai berikut:

Tanpa Pupuk(k=1) Penggunaan Pupuk(k=2)

1 2 3 1 2 3
 RANTAI MARKOV 90

 0,2 0,5 0,3   0,3 0,6 0,1 

1   1  
2
3
 0 0,5 0,5  2
3
 0,1 0,6 0,3 
0 0 1  0,05 0,4 0,55 
   
Keuntungan per tahun masing-masing tindakan :
Tanpa Pupuk Penggunaan Pupuk
1 2 3 1 2 3

7 6 3  6 5 -1 
1   1  
2
3
0 5 1 2
3
7 4 0
 0 0 -1   6 3 -2 
   
Bagaimana kebijakan terbaik yang harus diambil petani tersebut sehingga maksimasi
pendapatan dapat diperoleh untuk tiga tahun berikutnya?

m k k
 p ij r ij
k
Penyelesaian : vi 
j 1

 V11 = 0,2 x 7 + 0,5 x 6 + 0,3 x 3 = 5,3

V21 = 0 x 0 + 0,5 x 5 + 0,5 x 1 = 3
V31 = 0 x 0 + 0x0 + 1 x -1 = -1
 V12 = 0,3 x 6 + 0,6 x 5 + 0,1 x -1 = 4,7
V22 = 0,1 x 7 + 0,6 x 4 + 0,3 x 0 = 3,1
V32 = 0,05 x 6 + 0,4 x 3 + 0,55 x -2 = 0,4
Atau selengkapnya (k = 1 dan k = 2) diperoleh :

i V i1 Vi 2
1 5,3 4,7
2 3 3,1
3 -1 0,4
 RANTAI MARKOV 91

Stage 3 :
Vi k Pemecahan Optimal
i
k=1 k=2 f3( i ) k*
1 5,3 4,7 5,3 1
2 3 3,1 3,1 2
3 -1 0,4 0,4 2

Stage 2 :
Pemecahan
Vi k  pik1 . f 3 (1)  p ik2 . f 3 ( 2)  pik3 . f 3 (3)
i Optimal
k=1 k=2 f2( i ) k*
1 5,3 + 0,2x5,3 + 0,5 x3,1 + 4,7 + 0,3x5,3 + 0,6x3,1
8,19 2
0,3x0,4 = 8,03 + 0,1x0,4 = 8,19

2 3 + 0x5,3 + 0,5x3,1 + 3,1 + 0,1x5,3 + 0,6x3,1

5,61 2
0,5x0,4 = 4,75 + 0,3x0,4 = 5,61

3 -1 + 0x5,3 + 0x3,1 + 0,4 + 0,05x5,3 + 0,4x3,1

2,13 2
1x0,4 = -0,6 + 0,55x0,4 = 2,13

Stage 1 :
Pemecahan
Vi k  p ik1 . f 2 (1)  p ik2 . f 2 (2)  p ik3 . f 2 (3)
i Optimal
K=1 k=2 f1( i ) k*

1 5,3 + 0,2x8,19 + 0,5x5,61 + 4,7 + 0,3x8,19 + 0,6x5,61 10,74 2

0,3x2,13 = 10,38 + 0,1x2,13 = 10,74

2 3 + 0x8,19 + 0,5x5,61 + 3,1 + 0,1x8,19 + 0,6x5,61 7,92 2

0,5x2,13 = 6,87 + 0,3x2,13 = 7,92

3 -1 + 0x8,19 + 0x5,61 + 0,4 + 0,05x8,19+0,4x5,61 4,23 2

1x2,13 = 1,13 + 0,55x2,13 = 4,23

Kesimpulan :
Sebaiknya untuk tahun ke-1 dan 2, petani tersebut menggunakan pupuk tanpa
bergantung pada keadaan sistem (kondisi tanah) tapi dalam tahun ke-3, pupuk hanya
digunakan jika sistem tersebut berada dalam keadaan kondisi tanah sedang atau
buruk. Dengan pendapatan total untuk ketiga tahun itu adalah f 1 (1) = 10,74 jika
keadaan sistem dalam tahun ke-1 baik, f1 (2) = 7,92 jika keadaan sedang dan f1 (3) =
4,23 jika keadaan buruk.

SOAL-SOAL
 RANTAI MARKOV 92

1. Penelitian pasar tentang tingkah laku konsumen akan suatu macam produk yang
beredar dengan merk yang berbeda ternyata dari hasil survey menunjukkan
bahwa sebanyak 500 orang yang memakai merk A ternyata sebulan lalu 150
orang memakai merk B dan 175 orang memakai merk C. Dari 650 orang
memakai merk B ternyata sebulan yang lalu 200 orang memakai merk A dan 250
orang menggunakan merk C dan dari 550 orang yang memakai merk C ternyata
sebulan yang lalu 150 orang menggunakan merk A dan 200 orang menggunakan
merk B.
Tentukan market share masing-masing merk untuk dua periode yang akan
datang!
2. Perusahaan Purnama akan memasarkan produk baru, dimana kejadian pertama
menunjukkan kesuksesan sedangkan kejadian kedua menunjukkan kegagalan.
Perusahaan tersebut harus memutuskan untuk menggunakan iklan atau tidak
menggunakan iklan dalam mempromosikan produk yang dijual. Matrik P1 dan P2
merupakan probabilitas menggunakan iklan atau tidak selama satu semester,
sedangkan hasil yang diperoleh ditunjukkan oleh matrik R1 dan R2 :

0,6 0,4  6 2
P1   R1  
0 ,8 0,2 3 -2
 RANTAI MARKOV 93

0,3 0,7 3 -1

P2   R2  
0 ,4 0,6 6 -2
Tentukan keputusan optimal yang harus diambil oleh perusahaan tersebut untuk
empat periode mendatang!

3. Tabel berikut adalah hasil survey kegiatan pemilihan merk (pertukaran pelanggan
dalam satu tahun) dan informasi pola-pola perpindahan merk yang dilakukan
oleh pelanggan.

Periode Mendapatkan dari Kehilangan ke Periode

Pertama Kedua
Merk
Jumlah A B C D A B C D Jumlah
Pelanggan Pelanggan
A 360 0 40 15 15 0 20 15 20 375
B 400 20 0 30 15 40 0 15 25 385
C 360 15 15 0 15 15 30 0 15 370
D 380 20 25 15 0 15 15 15 0 370
1.500 1.500

Dari data tersebut, berapakah persentase market share bagi masing-masing merk
tersebut pada tiga periode mendatang?

4. Digambarkan secara umum prediksi dari counter handphone (HP) dalam rangka
mengetahui tingkat penjualan produk kartu perdana Simpati (S), Mentari (M) dan
Pro XL (P), adalah sebagai berikut :
 RANTAI MARKOV 94

S M P
S
M 0,5 0,7 0,4
P
0,3 0,1 0,3 

0,2 0,2 0,3
Pada hasil penjualan tahun lalu dapat disimpulkan bahwa probabilitas untuk
customer membeli Simpati, Mentari dan Pro XL berturut-turut adalah 0,5; 0,3
dan 0,2. Apabila harga masing-masing produk untuk type terbaru adalah untuk
Simpati $ 7,50; Mentari $ 6,35 dan Pro XL $5,80.
a. Pak Amir merupakan pengguna produk Simpati, maka berapa probabilitas
untuk membeli produk Pro XL pada dua tahun yang akan datang?
b. Berapa jumlah uang yang harus dikeluarkan untuk membeli produk Mentari
pada dua tahun yang akan datang?

5. Sebuah perusahaan sedang memikirkan media massa di antara radio, TV atau

Koran yang sebaiknya digunakan sebagai media advertensinya. Ongkos
advertensi mingguan untuk ketiga media tersebut berturut-turut diperkirakan
sebesar $ 200, $ 900 dan $ 300. Perusahaan ini dapat mengklasifikasikan volume
penjualan per minggunya sebagai berikut :
1. Cukup
2. Baik
3. Sangat memuaskan

Probabilitas transisi untuk ketiga media advertensinya diketahui sebagai berikut :

Radio TV Koran
1 2 3 1 2 3 1 2 3
1 33
0,4 0,5 0,1 0,7 0,2 0,1 0,2 0,5 0,3
1 1
2 2 2
3
0,1 0,7 0,2 3
0,3 0,6 0,1 3
0 0,7 0,3
     
0,1 0,2 0,7 0,1 0,7 0,2 0 0,2 0,8
Sedangkan penghasilan per minggunya apabila melakukan advertensi pada
masing-masing media adalah :

Radio
 RANTAI MARKOV 95

TV Koran

400 520 600 1000 1300 1600  400 530 710

300 400 700  800 1000 1700  350 450 800 
     
200 250 500  600 700 1100 250 400 650
Bagaimanakah policy optimum selama 3 minggu?