PREDIKSI PROBABILITAS PENGGUNAAN FASILITAS PARKIR

MENGGUNAKAN ANALISIS MARKOV DI AREA KAMPUS

UNIVERSITAS KOMPUTER INDONESIA
Asep Saepul Wahid, Dadan Darmawan, Daniel Napitupulu, Lutfi Fathul Anwar, Robby Jansen
Rampengan
Program Studi Teknik Industri, Universitas Komputer Indonesia, Bandung
Jl Dipatiukur No. 112-116, 40132, Tlp. (022) 2504119, Fax. (022) 2533754
Email: Saepulwahid46@gmail.com

ABSTRAK
Pada era ini kendaraan roda dua menjadi salah satu moda transportasi pribadi yang
paling banyak digunakan khususnya untuk kalangan mahasiswa. Banyaknya fasilitas parkir yang
berada di area Kampus UNIKOM membuat mahasiswa dapat memilih lokasi parkir. Maka dari
itu, penelitian ini bertujuan untuk mencari probabilitas penggunaan empat lokasi parkir di area
UNIKOM pada masa mendatang.
Penelitian dibuat dengan melakukan wawancara terhadap mahasiswa dan diolah
menggunakan metode analisis Markov. Analisis markov merupakan sebuah metode kuantitatif
yang digunakan untuk menghitung probabilitas perubahan-perubahan yang terjadi selama
periode waktu tertentu. Metode ini mempelajari sifat-sifat suatu variabel pada masa sekarang
yang didasarkan pada sifat-sifatnya di masa lalu.
Berdasarkan pengolahan data yang telah dilakukan, dihasilkan bahwa setiap lokasi
parkir motor tersebut memiliki kondisi steady state pada minggu yang berbeda. Mengacu pada
kondisi tersebut, dapat dikatakan bahwa sekitar 15-20 minggu yang akan datang mahasiswa
UNIKOM cenderung tetap menggunakan Basement Kampus Baru dengan probabilitas sebesar
33.6%, Kampus Dago sebesar 19.2%, Warman sebesar 39.0% dan sekitar Indomaret Point
sebesar 8.1%.

Kata Kunci: Konsumen, Probabilitas, Markov, Perpindahan.

1 Pendahuluan
1.1 Latar Belakang Masalah
Pada era ini transportasi merupakan suatu yang sangat berpengaruh dalam kehidupan sehari-
hari. Banyak masyarakat yang memiliki kendaraan pribadi sebagai penunjang dalam kegiatan
sehari-hari. Motor adalah sebuah kendaraan roda dua yang menjadi salah satu moda
transportasi pribadi yang paling banyak digunakan khususnya oleh mahasiswa UNIKOM
sehingga pihak kampus harus menyediakan fasilitas parkir. Namun, perbandingan motor
mahasiswa dan lokasi parkir yang disediakan pihak kampus tidak sebanding. Hal ini
dimanfaatkan penyedia parkir sehingga terdapat beberapa lokasi parkir di area kampus UNIKOM
dengan berbagai karakteristik yang dapat digunakan mahasiswa. Hal tersebut juga dapat
mempengaruhi pendapatan penyedia parkir Untuk melihat tersebut, dapat digunakan teori
analisis markov untuk melihat perilaku konsumen terhadap jasa tersebut di masa mendatang.

39
Analisis markov merupakan teknik probabilitas yang tidak memberikan keputusan yang
disarankan, maksud disarankan jadi memberikan pengambilan keputusan untuk membuat
keputusan dan informasi yang diberikan merupakan probabilitas keputusan yang
dideskriptifkan. Analisis markov ini juga digunakan dalam menentukan peramalan perilaku
massa depan suatu variable atau sistem yang tidak tergantung pada perilaku massa lalu, dengan
kata lain acak. Dalam control kualitas, analisi markov berlaku untuk masalah umum samapi
sebab dan peristiwa urutan lainnya tergantung dan dapat menangani system degradasi. Proses
analisis markov didapati dari suatu kasus khusus dari proses stokastik yang lebih umum, sebab
proses stokastik dapat dilihat sebagai deretan variable acak terhadap waktu.

Berdasarkan hal tersebut, kami melakukan prediksi menggunakan teori analisis markov
terhadap probabilitas lokasi parkir yang digunakan mahasiswa UNIKOM di masa mendatang
yang dapat digunakan sebagai referensi untuk penyedia parkir untuk melakukan penyesuaian
dan perkembangan kedepannya.

1.2 Identifikasi Permasalahan

Adapun identifikasi masalah yang peneliti dapatkan dari perusahaan yaitu:
a) Apa yang dimaksud dengan analisis markov?
b) Apa saja cara yang dilakukan untuk mengambil data untuk analisis markov?
c) Apa saja langkah-langkah yang terdapat pada analisis markov?
d) Bagaimana cara menentukan probabilitas transisi?
e) Bagaimana cara menentukan nilai probabilitas?
f) Bagaimana cara menentukan kondisi steady state?
g) Kapan terjadinya steady state terhadap probabilitas penggunaan lokasi parkir di area
UNIKOM?
h) Bagaimana probabilitas penggunaan lokasi parkir motor di area UNIKOM pada saat kondisi
steady state?

1.3 Tujuan Penelitian

Tujuan peneliti dalam melakukan penelitian adalah sebagai berikut:
a) Mengetahui teori analisis markov.
b) Mengetahui cara pengambilan data untuk penelitian analisis markov.
c) Mengetahui langkah-langkah yang terdapat dalam analisis markov.
d) Mengetahui cara menentukan probabilitas transisi.
e) Mengetahui cara menentukan nilai probabilitas.
f) Mengetahui cara menentukan kondisi steady state.
g) Kapan terjadinya steady state terhadap probabilitas penggunaan lokasi parkir di area
UNIKOM?
h) Bagaimana probabilitas penggunaan lokasi parkir motor di area UNIKOM pada saat kondisi
steady state?
 PREDIKSI PERPINDAHAN KONSUMEN FASILITAS PARKIR MENGGUNAKAN ANALISIS
MARKOV DI AREA KAMPUS UNIVERSITAS KOMPUTER INDONESIA

1.4 Pembatasan Masalah

Berdasarkan identifikasi masalah yang telah diuraikan diatas, maka masalah yang akan dibatasi
peneliti dalam penelitian ini adalah:
a) Penelitian dilakukan terhadap 30 mahasiswa pada beberapa program studi di UNIKOM.
b) Penelitian hanya difokuskan terhadap lokasi parkir yang digunakan mahasiswa UNIKOM.

2 Studi Literatur
2.1. Teori Markov
Rantai Markov (Markov Chains) adalah suatu teknik matematika yang biasa digunakan untuk
melakukan pemodelan (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 digunakan juga untuk menganalisis kejadian-
kejadian di waktu-waktu mendatang secara matematis. Model Rantai Markov ditemukan oleh
seorang ahli Rusia yang bernama A.A. Markov pada tahun 1906, yaitu:

“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).”

Gambaran mengenai rantai Markov ini kemudian dituangkan dalam Gambar 1 dimana gerakan-
gerakan dari beberapa variabel di masa yang akan datang bisa diprediksi berdasarkan gerakan-
gerakan variabel tersebut pada masa lalu. Kt4 dipengaruhi oleh kejadian Kt3, Kt3 dipengaruhi oleh
kejadian Kt2 dan demikian seterusnya dimana perubahan ini terjadi karena peranan probabilitas
transisi (transition probability). Kejadian Kt2 misalnya, tidak akan mempengaruhi kejadian Kt4.

Gambar 2.1. Peristiwa dalam Rantai Markov

Kejadian-kejadian di atas sifatnya berantai. Oleh karena itu, teori ini dikenal dengan nama Rantai
Markov. Dengan demikian, Rantai Markov akan menjelaskan gerakan-gerakan beberapa
variabel dalam satu periode waktu di masa yang akan datang berdasarkan pada gerakan-gerakan
variabel tersebut di masa kini. Peluang kejadian Kt(j) dinyatakan ke dalam bentuk vektor sehingga
jumlah seluruh selnya akan selalu 100%.

2.2.1. Probabilitas Absolut dan Transisi

Dengan diketahui {aj(0)} dan P dari sebuah rantai Markov, probabilitas absolut dari sistem
tersebut setelah sejumlah transisi tertentu ditentukan sebagai berikut. Anggaplah {aj(0)} adalah
probabilitas absolut dari sistem tersebut setelah n transisi, yaitu pada saat tn. Untuk
menggambarkan proses Markov, akan disajikan suatu contoh masalah tentang kegiatan-
kegiatan pemilihan merek dan peramalan probabilitas transisi yang kemungkinan dilakukan para
konsumen, yaitu pergantian dari satu merek ke merek lain. Anggapan bahwa sampel konsumen
terdiri dari kombinasi 1000 responden yang tersebar pada 4 merek, A, B, C, dan D. Anggapan
selanjutnya adalah bahwa sampel tersebut telah mewakili keseluruhan kelompok dalam
kesetiaanya terhadap suatu merek dan pola pergantian dari satu merek ke merek lain.
Konsumen berpindah dari satu merek ke merek lain dapat karena periklanan, promosi khusus,
harga, ketidakpuasan, dan lain-lain.

2.2.2. First-Order dan High-Order Analisa Markov

Proses Markov dapat berbeda order. First-Order hanya mempertimbangkan pilihan-pilihan
merek yang dibuat selama suatu periode untuk penentuan probabilitas pilihan dalam periode
berikutnya. Second-order analisa Markov menganggap pilihan-pilihan untuk suatu merek
tertentu dalam periode berikutnya tergantung pada pilihan-pilihan merek yang dibuat oleh para
pelanggan selama dua periode terakhir. Begitu juga untuk third-order, proses Markov yang
digunakan untuk meremal perilaku periode berikutnya terhadap merek-merek tertentu
berdasarkan pola pemilihan merek para pelanggan selama dua periode terakhir. Banyak riset
pemasaran telah membuktikan bahwa penggunaan anggapan first-order untuk maksud-maksud
peramalan adalah valid.

3 Hasil dan Pembahasan

3.1 Profil lokasi penelitian
Pengumpulan data penelitian dilakukan di kampus Universitas Komputer Indonesia (UNIKOM).
Berikut ini adalah profil singkat UNIKOM:
Jenis : Perguruan Tinggi Swasta
Rektor : Dr. Ir. Eddy Soeryanto Soegoto
Lokasi : Jalan Dipatiukur No. 112-116, Coblong, Lebakgede, Bandung, Jawa Barat 40132
Didirikan : 28 Agustus 2000
Situs web : https://www.unikom.ac.id/

3.2 Deskripsi produk

Produk yang kami teliti merupakan fasilitas tempat parkir motor yang sering digunakan
mahasiswa UNIKOM . Kami meneliti empat lokasi parkir motor yang sering digunakan
mahasiswa diantaranya:
 PREDIKSI PERPINDAHAN KONSUMEN FASILITAS PARKIR MENGGUNAKAN ANALISIS
MARKOV DI AREA KAMPUS UNIVERSITAS KOMPUTER INDONESIA

1) Basement Kampus Baru UNIKOM

Lokasi ini merupakan lokasi parkir utama yang sering digunakan mahasiswa UNIKOM dimana
tarif parkir mahasiswa yaitu Rp.1.000,- per plat dan wajib memperlihatkan STNK. Tempat
parkir ini berada bagian bawah gedung kampus baru yang terdiri dari 1 lantai untuk mobil
dan dan 2 lantai dibawahnya untuk motor.

2) Kampus DAGO
Lokasi ini merupakan lokasi yang sering digunakan mahasiswa UNIKOM dengan tarif parkir
mahasiswa yaitu Rp.1.000,- per plat dan wajib memperlihatkan STNK. Tempat parkir ini
berada di halaman Kampus Dago UNIKOM dimana pintu masuk parkir yang berada di Jalan
Dipatiukur dan pintu keluar parkir berada di Jalan Ir. H. Djuanda.

3) Warman
Lokasi ini merupakan lokasi yang sering digunakan mahasiswa UNIKOM dengan tarif parkir
yaitu Rp.2000,- per plat per 5 jam pertama dan tambahan Rp.1000,- per plat per 5 jam
berikutnya. Tempat parkir ini berada di seberang kampus IV UNIKOM.

4) Sekitar Indomaret Point

Lokasi ini merupakan lokasi yang sering digunakan mahasiswa UNIKOM dengan tarif parkir
yaitu Rp.2000,- per plat. Tempat parkir ini merupakan tempa parkir terbuka yang berada di
sebelah selatan kampus UNIKOM.

3.3 Media pengumpulan data

Pada penelitian ini kami melakukan observasi untuk melihat kondisi keempat lokasi parkir dan
wawancara kepada 30 mahasiswa beberapa program studi di UNIKOM secara acak sebagai
sampel pada hari yang sama selama 2 minggu berturut-turut yaitu pada hari rabu. Jumlah
narasumber dari tiap Program Studi dapat dilihat pada gambar 3.1.
.

Gambar 3.1. Jumlah narasumber tiap program studi

3.4 Matriks probabilitas transisi
Berikut ini merupakan matriks perubahan transisi yang dapat dilihat pada tabel 3.1:

Tabel 3.1. Matriks perubahan transisi

Saat ini
Sebelumnya Jumlah
Basement Dago Warman Indopo
Basement 17 1 5 1 24
Dago 2 6 0 0 8
Warman 2 2 16 3 23
Indopo 1 0 3 1 5
Jumlah 22 9 24 5 60

3.5 Penentuan nilai probabilitas

Setelah ditentukan itu ditentukan nilai matriks probablitas transisinya pada tabel 3.2:

Tabel 3.2. Matriks probabilitas transisi lokasi parkir motor mahasiswa UNIKOM
Saat ini
Sebelumnya
Basement Dago Warman Indopo
Basement 0.708 0.042 0.208 0.042
Dago 0.250 0.750 0 0
Warman 0.087 0.087 0.696 0.130
Indopo 0.200 0 0.600 0.200

3.6 Kondisi steady state

Ilihat pada tabelBerikut kondisi steady state pada empat perkalian matriks yang berbeda dapat
dilihat pada tabel 3.3 (sel berwarna menunjukkan kondisi steady state):

Tabel 3.3. kondisi steady state pada 4 perkalian matriks yang berbeda

Perkalian Basement Kampus Baru Perkalian Kampus Dago Perkalian warman Perkalian Indopo
Minggu ke
Basement Dago Warman Indopo Basement Dago Warman Indopo Basement Dago Warman Indopo Basement Dago Warman Indopo
1 0.708 0.042 0.208 0.042 0.25 0.75 0 0 0.087 0.087 0.696 0.13 0.25 0.75 0 0
2 0.538 0.079 0.317 0.065 0.365 0.573 0.052 0.011 0.17 0.129 0.581 0.12 0.365 0.573 0.052 0.011
3 0.442 0.11 0.372 0.077 0.408 0.45 0.118 0.024 0.227 0.155 0.511 0.107 0.408 0.45 0.118 0.024
4 0.388 0.133 0.397 0.082 0.416 0.365 0.182 0.037 0.265 0.17 0.467 0.097 0.416 0.365 0.182 0.037
5 0.359 0.151 0.406 0.084 0.409 0.307 0.235 0.049 0.291 0.179 0.439 0.091 0.409 0.307 0.235 0.049
6 0.344 0.163 0.408 0.085 0.397 0.268 0.278 0.058 0.307 0.185 0.421 0.088 0.397 0.268 0.278 0.058
7 0.337 0.173 0.406 0.084 0.383 0.242 0.311 0.064 0.318 0.188 0.409 0.085 0.383 0.242 0.311 0.064
8 0.334 0.179 0.403 0.084 0.372 0.224 0.335 0.069 0.325 0.19 0.402 0.084 0.372 0.224 0.335 0.069
9 0.333 0.183 0.401 0.083 0.362 0.213 0.352 0.073 0.329 0.191 0.397 0.083 0.362 0.213 0.352 0.073
10 0.333 0.186 0.398 0.083 0.355 0.206 0.364 0.076 0.332 0.192 0.395 0.082 0.355 0.206 0.364 0.076
11 0.334 0.188 0.396 0.082 0.349 0.201 0.372 0.077 0.334 0.192 0.393 0.082 0.349 0.201 0.372 0.077
12 0.334 0.19 0.394 0.082 0.345 0.197 0.378 0.078 0.335 0.192 0.392 0.081 0.345 0.197 0.378 0.078
13 0.334 0.19 0.393 0.081 0.342 0.195 0.382 0.079 0.335 0.192 0.391 0.081 0.342 0.195 0.382 0.079
14 0.334 0.191 0.392 0.081 0.34 0.194 0.384 0.08 0.336 0.192 0.391 0.081 0.34 0.194 0.384 0.08
15 0.335 0.191 0.391 0.081 0.339 0.193 0.386 0.08 0.336 0.192 0.39 0.081 0.339 0.193 0.386 0.08
16 0.335 0.191 0.39 0.081 0.338 0.193 0.387 0.08 0.336 0.192 0.39 0.081 0.338 0.193 0.387 0.08
17 0.335 0.192 0.39 0.081 0.337 0.192 0.388 0.081 0.336 0.192 0.39 0.081 0.337 0.192 0.388 0.081
18 0.335 0.192 0.39 0.081 0.337 0.192 0.389 0.081 0.336 0.192 0.39 0.081 0.337 0.192 0.389 0.081
19 0.336 0.192 0.39 0.081 0.337 0.192 0.389 0.081 0.336 0.192 0.39 0.081 0.337 0.192 0.389 0.081
20 0.336 0.192 0.39 0.081 0.336 0.192 0.39 0.081 0.336 0.192 0.39 0.081 0.336 0.192 0.39 0.081
21 0.336 0.192 0.39 0.081 0.336 0.192 0.39 0.081 0.336 0.192 0.39 0.081 0.336 0.192 0.39 0.081
22 0.336 0.192 0.39 0.081 0.336 0.192 0.39 0.081 0.336 0.192 0.39 0.081 0.336 0.192 0.39 0.081
23 0.336 0.192 0.39 0.081 0.336 0.192 0.39 0.081 0.336 0.192 0.39 0.081 0.336 0.192 0.39 0.081
24 0.336 0.192 0.39 0.081 0.336 0.192 0.39 0.081 0.336 0.192 0.39 0.081 0.336 0.192 0.39 0.081
 PREDIKSI PERPINDAHAN KONSUMEN FASILITAS PARKIR MENGGUNAKAN ANALISIS
MARKOV DI AREA KAMPUS UNIVERSITAS KOMPUTER INDONESIA

4 Kesimpulan
4.1 Kesimpulan
Berikut ini merupakan analisis dari data yang telah didapat:

a) Hasil matriks perubahan transisi lokasi parkir mahasiswa UNIKOM

1) Lokasi parkir motor Basement Kampus Baru terdapat 17 konsumen yang setia.
2) Lokasi parkir motor Kampus Dago terdapat 6 konsumen yang setia.
3) Lokasi parkir motor Warman terdapat 16 konsumen yang setia.
4) Lokasi parkir motor sekitar Indomaret Point terdapat 1 konsumen yang setia.

b) Probabilitas perpindahan lokasi parkir mahasiswa UNIKOM

1) Probabilitas Lokasi parkir motor Basement Kampus Baru dari konsumen yang setia
sebesar 0.708.
2) Probabilitas Lokasi parkir motor Kampus Dago dari konsumen yang setia sebesar 0.750.
3) Probabilitas Lokasi parkir motor Warman dari konsumen yang setia sebesar 0.696.
4) Probabilitas Lokasi parkir motor sekitar Indomaret Point dari konsumen yang setia
sebesar 0.200.

c) Kondisi steady state lokasi parkir UNIKOM

Mengacu kepada empat perkalian matriks, pada minggu ke 15, 19 atau 20 sampai ke minggu
berikutnya probabilitas konsumen yang setia berada pada:
1) Lokasi parkir motor Basement Kampus Baru sebesar 0.336
2) Lokasi parkir motor Kampus Dago sebesar 0.192
3) Lokasi parkir motor Warman sebesar 0.390
4) Lokasi parkir motor sekitar Indomaret Point sebesar 0.081

4.2 Saran
Berikut ini merupakan saran yang dapat kami berikan:
a) Sebaiknya lahan parkir motor di Warman diperluas karena seringnya konsumen tidak
mendapat tempat parkir.
b) Baiknya untuk tempat parkir Basement menambah pelayanan karcis saat keluar supaya tidak
terjadi antrian yang panjang.
c) Alangkah baiknya jika pintu masuk dan pintu keluar tempat parkir di Kampus Dago dibuat di
dua sisi yaitu masing-masing di jalan Dipatiukur dan jalan Ir H Djuanda.
d) Untuk tempat parkir sekitar Indomaret Point tingkat keamanan lebih ditingkatkan lagi.
Daftar Pustaka
1) Sugiyono. Metode Penelitian Kuantitatif Kualitatif dan R&D. Bandung: Alfabeta, Burhan
Bungin, 2008
2) Sarwono, Jonathan. Metode Penelitian Kuantitatif dan Kualitatif. Yogyakarta: Graha Ilmu,
2005
3) Sinring, Bahar dan Hafied, Hamzah. Riset Operasi (Operation Research). Makasar,
Kretakupa Print, 2012
4) Yuli Eni, S.E., S.Kom., M.M. 15 Juni 2015. Markov Analysis. Dikutip dari
https://sbm.binus.ac.id/2015/06/15/markov-analysis/

5) Kismanto Prihantoro. Universitas Gunadarma, TeknikIndustri. 26 November 2009. Dikutip

dari http://wartawarga.gunadarma.ac.id/2009/11/markov-chain/
6) Achmad Helmi. Universiti Teknologi Malaysia, Industrial Engineering. Dikutip dari
https://www.academia.edu/8850869/Markov_Chain