MAKALAH

“ANALISIS MARKOV CHAIN UNTUK

FORECASTING PANGSA PASAR PROVIDER”
Diajukan untuk Memenuhi Tugas Mata Kuliah Penelitian Operasional II

Dosen Pengampu : Rianita Puspa Sari,ST.,MT

Disusun Oleh Kelompok

Anggota :

Destia Anisya Ramdani 1710631140047

Endang 1710631140058
Forry Fortuna Survio S 1710631140066
Gita Yusvita 1710631140072
Gugum Gumelar 1710631140073

PROGRAM STUDI TEKNIK INDUSTRI

FAKULTAS TEKNIK
UNIVERSITAS SINGAPERBANGSA KARAWANG
2019
 KATA PENGANTAR
Puji syukur kami panjatkan kehadirat Tuhan Yang Maha Esa yang
telah menganugrahkan banyak nikmat sehingga kami dapat menyusun
laporan penelitian ini dengan baik.Laporan ini berisi tentang analisis
peramalan provider untuk beberapa tahun kedepan menggunakan markov
chain
Laporan ini kami susun dengan bantuan dan dukungan berbagai pihak
diantaranya; Rianita Puspa Sari,ST., MT. selaku dosen pengampu mata
kuliah Penelitian Operasional, serta rekan yang turut membantu dalam
berkontribusi menyelesaikan tugas penelitian ini. Oleh karena itu kami
sampaikan terima kasih atas waktu, tenaga dan pikirannya yang telah
diberikan.

Dalam penyusunan laporan ini, kami menyadari bahwa hasil laporan

praktikum ini masih jauh dari kata sempurna. Sehingga kami selaku
penyusun sangat mengharapkan kritik dan saran yang membangun dari
pembaca sekalian.

Akhir kata semoga laporan praktikum ini dapat memberikan manfaat

untuk kelompok kami khususnya, dan masyarakat sekitar umumnya.

Karawang, 22 September 2019

Penyusun

i
 DAFTAR ISI

KATA PENGANTAR ............................................................................................. i

DAFTAR ISI ........................................................................................................... ii
BAB 1 PENDAHULUAN .......................................................................................1
1.1 Latar Belakang ...................................................................................1
1.2 Rumusan Masalah ..............................................................................1
1.3 Tujuan Penelitian ...............................................................................1
1.4 Batasan Masalah ................................................................................2
BAB II TINJAUAN PUSTAKA..............................................................................3
2.1 Landasan Teori ...................................................................................3
2.2 State Of The Art .................................................................................6
BAB III METODOLOGI .......................................................................................18
3.1 Flowchart .........................................................................................18
3.2 Deskripsi Metodologi .......................................................................19
3.3 Justifikasi Pemilihan Metode ...........................................................20
3.4 Parameterisasi ..................................................................................21
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA .................................23
4.1 Analisis Situasi.................................................................................23
4.2 Hasil Analisis Penelitian .................................................................24
BAB V KESIMPULAN .........................................................................................30
5.1 Kesimpulan ......................................................................................30
5.2 Saran.................................................................................................30
5.3 Manajerial Implementasi..................................................................30
DAFTAR PUSTAKA ............................................................................................ iv

ii
 BAB 1 PENDAHULUAN

PENDAHULUAN

1.1 Latar Belakang

Saat ini setiap orang tidak bisa terlepas dari handphone (ponsel)
kapanpun dan dimanapun mereka selalu membawa ponsel. Sehingga ponsel
menjadi barang pertama yang harus selalu di bawa. Namun ponsel tanpa
provider tidak terlalu berarti hanya seperti barang biasa saja. Maka provider
menjadi sangat penting bagi setiap orang. Para pengguna ponsel selalu
menuntut para produsen provider untuk bisa memenuhi keinginan
konsumennya. Dengan beberapa varian dan klasifikasi tertentu. Dengan
begitu para produsen harus melakukan survey pasar jika tidak ingin
produknya terlempar dari persaingan asing.
Proses markov adalah suatu sistem stochastic yang mempunyai
karakter bahwa terjadinya suatu state pada suatu saat bergantung pada dan
hanya pada state sebelumnya. Markov chain merupakan salah satu metode
yang digunakan untuk memprediksi pangsa pasar yang akan datang. Dari
hasil penelitian diketahui bahwa faktor yang mempengaruhi konsumen dalam
memilih merek provider yaitu kecepatan internet dan harganya murah.

1.2 Rumusan Masalah

1. Faktor apa saja yang mempengaruhi konsumen dalam memilih dan
membeli merek provider ?
2. Bagaimana pola perpindahan merek yang dilakukan masing-masing
konsumen merek provider ?
3. Bagaimana prediksi pangsa pasar provider untuk dua periode yang akan
datang ?

1.3 Tujuan Penelitian

1. Penelitian ini bertujuan untuk mengetahui faktor yang mempengaruhi
konsumen dalam memilih dan membeli produk provider.
2. Untuk mengetahui pola perpindahan merek pada penggun provider

1
 3. Untuk mengetahui prediksi pangsa pasar provider untuk dua periode
yang akan datang.
1.4 Batasan Masalah
Agar penilitian ini dapat dilakukan lebih fokus dan sempurna maka
kelompok kami hanya fokus pada perkembangan pangsa pasar provider di
tahun – tahun berikutnya.

2
 BAB II TINJAUAN PUSTAKA

TINJAUAN PUSTAKA
2.1 Landasan Teori
2.1.1 Riset Operasi
Riset operasi adalah penerapan metode – metode ilmiah terhadap
masalah – masalah rumit yang muncul dalam pengarahan dan
pengelolaan dari suatu sistem besar manusia, mesin, bahan dan uang
dalam industri, bisnis, pemerintahann dan pertahanan. (Operational
Research Society of Great Britain)
Sedangkan menurut Hamdi A. Taha, riset operasi adalah
pendekatan dalam pengambilan keputusan yang ditandai dengan
penggunaan pengetahuan ilmiah melalui usaha kelompok antar disiplin
yang bertujuan menentukan penggunaan terbaik sumber daya yang
terbatas.

2.1.2 Analisis
Analisis merupakan aktivitas yang memuat sejumlah kegiatan
seperti mengurai, membedakan, memilah sesuatu untuk digolongkan
dan dikelompokkan kembali menurut kriteria tertentu kemudian dicari
kaitannya dan ditafsirkan maknanya. Dalam pengertian yang lain,
analisis adalah sikap atau perhatian terhadap sesuatu (benda, fakta,
fenomena) sampai mampu menguraikan menjadi bagian-bagian, serta
mengenal kaitan antarbagian tersebut dalam keseluruhan. Analisis dapat
juga diartikan sebagai kemampuan memecahkan atau menguraikan
suatu materi atau informasi menjadi komponen-komponen yang lebih
kecil sehingga lebih mudah dipahami.

2.1.3 Markov Chain

Rantai Markov adalah rangkaian proses kejadian dimana peluang
bersyarat kejadian yang akan datang hanya bergantung kepada kejadian
sekarang dan tidak tergantung kepada kejadian yang lalu. Peluang
peralihan pada tingkat keadaan seimbang (peluang steady state) adalah
3
 peluang peralihan yang sudah mencapai keseimbangan, sehingga tidak
akan berubah terhadap perubahan waktu yang terjadi atau perubahan
tahap yang terjadi. Dalam tulisan ini dikaji nilai eigen untuk menentukan
state dan diagonalisasi untuk menentukan vector kondisi. Pemecahan
yang dilakukan dengan mengupas definisi dan teorema. Dalam
kenyataannya, penerapan analisa Markov bisa dibilang cukup terbatas
karena sulit untuk menemukan permasalahan yang memenuhi semua
sifat yang diperlukan untuk analisa Markov, terutama persyaratan bahwa
probabilitas transisi harus konstan sepanjang waktu.

Proses Markov Chain terdiri dari dua prosedur, yaitu menyusun

matriks probabilitas transisi, dan kemudian menghitung kemungkinan
market share di waktu yang akan datang. Probabilitas transisi adalah
sebagai contoh pergantian yang mungkin dilakukan oleh konsumen dari
satu merk ke merk yang lain. Konsumen dapat berpindah dari suatu merk
ke merk yang lain disebabkan karena periklanan, promosi khusus, harga,
ketidakpuasan, dan lain-lain. Hal ini akan bermanfaat karena jumlah
market share-nya di periode yang akan datang akan bisa diperhitungkan
sejak dini.

Metode ini banyak digunakan untuk pengambilan keputusan, namun

sebenarnya hanya memberikan informasi bagi pengambil keputusan
untuk memperbaiki keputusannya, bukan untuk memberi solusi.

2.1.5 Forcesting
Forecasting yaitu aktivitas memprediksi atau memperkirakan apa
yang akan terjadi di masa yang akan datang dengan waktu yang relatif
lama. Pengertian lain dari peramaan (forecasting) adalah suatu teknik
analisa perhitungan yang dilakukan dengan pendekatan kualitatif
ataupun kuantitatif untuk melakukan perkiraan peristiwa pada masa
depan dengan penggunaan referensi data-data pada masa lalu.

4
 Peramalan memiliki tujuan untuk memprediksi prospek ekonomi dan
aktivitas usaha dan juga pengaruh lingkungan kepada prospek tersebut.
Peramalan (forecasting) adalah suatu bagian yang paling penting untuk
setiap perusahaan maupun organisai bisnis dalam saat mengambil
keputusan manajemen.

Peramalan sendiri dapat menjadi dasar untuk suatu rencana jangka

pendek mengengah ataupun jangka panjang sebuah perusahaan. Dalam
suatu peramalan (forecasting) diperlukan seminim mungkin kesalahan
(error) didalamnya. Supaya bisa meminimalisir tingkat kesalahan
tersebut maka akan lebih baik apabila peramalan itu dilaksanakan dalam
satuan angka atau kuantitatif.

2.1.6 Pangsa Pasar

Pangsa pasar yaitu sebuah strategi pemasaran yang mencakup
sasaran pasar yang luas menjadi kumpulan dari beberapa bagian kecil
diantaranya konsumen, bisnis ataupun negara yang mempunyai
kebutuhan umum atau sebuah kepentingan dan memiliki prioritas dan
kemudian merancang sebuah strategi untuk menjadikannya sasaran.
biasanya pangsa pasar digunakan untuk menganalisa target pasar sebuah
produk yang tergantung pada permintaan yang spesifik dansesuai
dengan segmentasi produk.

2.1.7 Provider
Provider adalah perusahaan yang menyediakan berbagai layanan
yang menyangkut Internet dan biasa disebut ISP (Internet Service
Provider). Mereka memberikan layanan dial-up yang menghubungkan
komputer anda dengan Internet melalui modem atau leased line. Selain
itu ada juga provider yang menawarkan jasa webhosting. Ini disebut
Internet Presence Provider.

5
2.2 State Of The Art
State Of The Art atau yang disingkat SOTA adalah faktor yang
terpenting untuk memposisikan penelitian-penelitian yang akan
dilakukan, untuk memuat acuan referensi yang diantaranya:
No Judul Kesimpulan
1 Analisis Markov Chain Penulis dalam jurnal ini merasa adanya
Untuk Forecasting Pangsa perkembangan dan pesaingan yang
Pasar Handphone Dan sangat ketat pada industri handphone
Pemrogramannya saat ini, peniliti menganggap bahwa
pentingnya produsen mengetahui
Noni Nofiyah, Putriaji pangsa pasar yang diinginkin. Pada
Hendikawati, Scolastika jurnal ini peniliti menggunakaan metode
Mariani, 2013 penelitian statistik deskriptif dimana
dalama penelitian ini peniliti
mendeskripikan atau menggambarkan
karakteristik dari pola pepindahan
pengguna handphone, data yang di
gunakan data kusioner.dengan ampel
sebanyak 133 orang, di dapatkan hasil.
Bahwa saat ini ada 3 merek handphone
yang paling digemari responden yaitu
Nokia (35,3%), Samsung (24,8%), dan
Blackberry (24,8%). Selanjutnya
disusul Cross (5,3%), Sony (4,5%),
gabungan dari beberapa merek atau
merek lainnya (4,5%) dan terakhir
adalah Mito (0,8%). Dengan melakukan
perhitungan menggunakan metode
makrov chain penliti mendapatkan hasil
Prediksi pangsa pasar pada periode
kedua yaitu tahun 2014 merek

6
 Blackberry menguasai pangsa pasar
dengan persentase 33,2% sedangkan
persentase terkecil diperoleh oleh merek
Mito yaitu 0,7%. Pada periode ketiga
yaitu tahun 2015 merek
yang menguasai pangsa pasar adalah
merek Blackberry dengan persentase
sebesar 37,8% dan persentase terkecil
diperoleh merek Mito sebesar 0,6%.
Kondisi kesetimbangan pangsa pasar
diperoleh pada periode kedua puluh
empat yaitu Nokia sebesar 24,89%,
Samsung sebesar 27,67%, Blackberry
sebesar 43,66%, Cross sebesar 1,06%,
Mito sebesar 0,45%, Sony sebesar
0,91% dan Merek Lainnya sebesar
1,36%. Peniliti juga menyarankan untuk
menggunakan program MATLAB yang
dapat di gunakan sebagai alat bantu
perhitungan,
2 Application Of A Discrete Peniliti mendapatkan adanya kesulitan
– Time Markov Chain siswa pada pemahamman tentang proses
Simulation In Insurance stokastik sebagai peran penentu dalam
banyak model asuransi dan keuangan.
A. Fernandez - Morales Dalam jurnal ini membahas tentang
penggunaan aplikasi atau pemrograman
dengan menggunakan metode markov
chain untuk menyelesaikan permasalahn
tentang asuransi mobil. Manfaat utama
dari pendekatan ini, yang didasarkan
pada menggabungkan kemampuan CSS,
HTML5 dan SVG standar dalam

7
 hubungannya dengan browser modern,
adalah fleksibilitas dan independensi dari
hak milik aplikasi seperti yang berbasis
pada Flash atau Java. Sangat hasil yang
diinginkan dari skema ini adalah bahwa
ia menyediakan akses ke sumber daya
dari berbagai perangkat, yaitu sangat
diminati oleh siswa saat ini. Aplikasi
yang dijelaskan dalam makalah ini
memanfaatkan kemampuan perpustakaan
D3.js, khususnya SETOSA

pengembangan untuk membangun

simulator diskrit online Rantai
Markov. Versi spesifik yang
memvisualisasikan evolusi kebijakan
dalam bonus asuransi mobil
sistem mauls memperkenalkan fitur
interaktif lain itu memungkinkan
mengontrol tingkat intensitas
klaim. Karena itu, selain visual dan
dinamis yang sangat baik karakteristik
desain SETOSA, teknis sifat-sifat model
yang mendasarinya, dengan Poisson
distribusi yang mengatur jumlah klaim,
adalah diperkenalkan dengan cara yang
sepenuhnya interaktif.

3 Markov Chain Models In Pada jurnal ini peniliti ingin

Discrete Tiem Space And menggunakan metode markov chain
Application To Personnel untuk perekrutan dan sistem promosi dan
Management tujuannya. Metode yang di gunakan
adalah mode push dan pull campuran

8
 C.E Okorie untuk studi ini. Model menggunakan
asumsi yang mendorong sekaligus
menarik promosi yang dimungkinkan
terjadi di distem yang sama seara
bersamaan. Dengan sampel sekolah
internasional EL – Amin, minna. Di
dapatkan hasil bahwa ada masalah
struktural dalam organisasi studi (
sekolah internasional El – Amin, minna).
Sistem promasi tidak kompatibel dengan
personal yang diinginkan
srtuktur.organisasi harus
mempertimbangkan untuk mencoba
mempengaruhi dan mengubah
promosinya sistem.

4 The Determination Of Peniliti berpendapat bahwa komplikasi

Optimal Inventory Using persedian adalah masalah penting bagi
Markov Chain perusahaan karena persedian adalah salah
satunya dari aset berharga bagi
Novie Haryadi Sarjono, perusahaan. Keberadaan pengedalian
2013 persedian sangat dibutuhkan agar tingkat
persedian yang ada dalam perusahaan
tidak dalam angak yang besar. PT NM
menjadi sampel untuk penilitian peniliti,
PT NM adalah salah satu perusahaan
yang bergerak di bidang suku cadang
bermerek saja. Dari hasil penilitian dan
perhitungan di dapatkan hasil sebagai
berikut, Ekspektasi laba berdasarkan
penjualam umtuk masing – masing
negara bagian cenderung terus menurun
dari state 2 ke stste 10, ekspektasi

9
 keuntungan musuh setiap bulan RP
694.233.333,- tingkat persediasn linear
optimal ketia persediaan adalah 50 kotak.

5 Implementasi Penerapan Semua toko e – commerce hasrus bisa

Markov Chain Pada menyediakan produk bermutu dengan
Database Marketing Studi kondisi lingkungan belanja yang nyaman
Kasus Pelanggan E – dan aman, pelayanan yang baik dan bisa
Commerce menciptakan kepercayaan pada pembeli.
Harus adanya strategi yang berbeda antar
Johanes Fernand Andry, pesaing, dan inilah yang membuat e –
2015 commerce menjadi menarik. Pada jurnal
ini peneliti menggunakan data penelitian
kuantitatif, jenis data yang digunakan
data skunder. Populasi pada peneliian ini
adalah seuruh pelanggan e – commerce
yang berbelanja pada tahun 2014. Pada
jurnal ini ini peneliti akan
membandingkan dengan memprediksi
dinamika pelanggan pada keadaan di
masa ymendatang seperti pada tahun
2015 dan 2016. Model marko yang di
ajukan dalam peneitian ini dapat
digunakan sebagai model untuk
memotret pergerakkan pelanggan toko e
– commerce pada tahun 2014 dan juga
untuk prediksi pada tahun – tahun
selanjutnya.

10
6 Reliabilitas Suatu Mesin Mesin merupakan salah satu aspek
Menggunakan Rantai terpenting dalam bidang industri
Markov(Studi Kasus : manufaktur maupun industri jasa. Dalam
Mesin Proofer Di Pabrik kegiatan produksi, sangat diharapkan
Roti Super Jam Banten) proses berlangsung secara lancar. Jika
terdapat gangguan pada mesin maka
Mega Novia Andriani, kegiatan produksipun harus terhenti,
Firdaniza. Iin Irianingsih, sehingga produk yang dihasilkan tidak
2017 optimal dan menimbulkan kerugian bagi
perusahaan. Untuk mengevaluasi kondisi
mesin diperlukan analisis rantai Markov
untuk menentukan peluang jangka
panjang dari kondisi mesin tersebut.
Berdasarkan waktu, dalam menentukan
nilai reliabilitas suatu mesin dapat
dilakukan dengan metode reliabilitas
menggunakan rantai Markov kontinu.
penelitian ini dilakukan kajian tentang
rantai Markov ergodik, sebagai syarat
untuk memperoleh peluang jangka
panjang kondisi mesin serta menentukan
nilai reliabilitas suatu mesin
menggunakan rantai Markov. Peniliti
mendapatkan data total waktu kerusakan
mesin proofer di pabrik roti Super Jam
Banten mulai dari tanggal 3 Maret 2014
sampai dengan 31 Mei 2015 dibuat
pengelompokan waktu untuk
mendefinisikan keadaan sebagai berikut :

Misalkan 𝑡𝑤𝑘 menyatakan total waktu

kerusakan mesin.

11
 (i) Jika 𝑡𝑤𝑘=0 maka mesin dikategorikan
dalam kondisi baik, diberi simbol angka
0, yang menyatakan keadaan 0.

(ii) Jika 0<𝑡𝑤𝑘<4 maka mesin

dikategorikan dalam kondisi rusak
ringan, diberi simbol angka 1, yang
menyatakan keadaan 1.

(iii) Jika 4≤𝑡𝑤𝑘≤7 maka mesin

dikategorikan dalam kondisi rusak parah,
diberi simbol angka 2, yang menyatakan
keadaan 2.

Maka ruang keadaan untuk keadaan di

atas adalah 𝑆={0,1,2}.

Dengan mengunakan perhitungan

markov chain peneliti mendapatkan
kseimpulan sebagai berikut untuk
permasalah tersebut : Untuk jangka
panjang, peluang mesin proofer dalam
kondisi baik 42,86% dan tingkat
keandalan dari mesin proofer tersebut
menurun setiap harinya. Pada hari ke-22,
tingkat keandalan dari mesin proofer
tersebut sudah sangat rendah. Sehingga
disarankan agar perusahaan melakukan
perawatan rutin minimal 22 hari sekali.

7 Analisis Rantai Markov Pengguna jasa pelayanan maskapai

Untuk Memprediksi penerbangan yang semakin meningkat,
Perpindahan Konsumen membuat jasa pelayanan maskapai
Maskapai Penerbangan penerbangan semakin bersaing untuk
Rute Manado – Jakarta menarik hati konsumen dalam memilih

12
 jasa pelayanan maskapai penerbangan
Fatimah N Masuku, mereka. Persaingan ini dilihat dari
Yohanes A R Langi, ketatnya pelayanan, harga dan promosi
Charles Mongi, yang ditawarkan berbagai maskapai
penerbangan. Peniliti ingin melihat
pangsa pasar dari industry penerbangan
tersebut. Salah satu teknik untuk
memprediksi pangsa pasar diwaktu yang
akan datang adalah dengan menggunakan
analisis Rantai Markov (Markov Chain).
Penelitian dilakukan pada bulan Maret
2018 sampai April 2018. Dan
dilaksanakan di Bandara Internasional
Sam Ratulangi Manado. Sumber data
yang diperoleh adalah data primer yang
bersumber langsung dari jawaban
responden dimana data tersebut
merupakan data yang diperoleh langsung
dari hasil jawaban kuesioner yang
dikumpulkan dan tabulasi dengan
memberikan skor atau peringkat tertentu.
Populasi penelitian ini adalah penumpang
maskapai rute penerbangan Manado-
Jakarta, yaitu pada hari keberangkatan
sebanyak 100 responden. Sampel yang di
ambil yaitu maskapai yang berangkat
langsung, maskapai yang berangkat
langsung yaitu Batik air, Citilink,
Garuda, dan Lion. Peniliti mendapakan
hasil sebagai berikut hasil prediksi
menunjukkan bahwa jumlah maskapai
penerbangan rute Manado-Jakarta pada

13
 tahun 2019 sebagai berikut Batik Air
32%, Garuda 29%, Lion 21%, dan
Citilink 18%, pada tahun 2020 mencapai
pada titik keseimbangan (equilibrium)
dengan presentase Batik Air 32%,
Garuda 29%, Lion 21%, dan Citilink
18%.

8 Model Volatilitas Stokastik Data yang digunakan dalam studi kasus

Dengan Metode Markov adalah data return harga penutupan
Chain Monte Carlo saham Bank Negara Indonesia
(studi kasus pada data reurn (BBNI.JK), dari tanggal 2 Januari 2007
harga penutupam saham sampai tanggal 8 November 2011.
bank negara Indonesia Peniliti menggunakan estimasi parameter
model volatilitas stokastik, MCMC
Alfian, 2018 membantu mempermudah metode
Bayesian dalam mengestimasi parameter
untuk posterior. Algoritma MCMC yang
digunakan adalah Gibbs Sampling.
Model volatilitas stokastik melibatkan
dua proses random yakni 𝜀𝑡 untuk
observasi dan ℎ𝑡 untuk volatilitas laten,
serta memiliki tiga parameter model. nilai
kurtosis yang lebih besar dari tiga yang
berarti distribusi probabilitasnya bersifat
fat tails dibandingkan dengan distribusi
Normal sehingga memungkinkan lebih
banyak terjadinya kejadian-kejadian
ekstrim dibandingkan yang dapat
dimodelkan oleh distribusi Normal. Dari
hasil studi kasus Estimasi parameter

14
 model 𝜇, 𝜙, 𝜎𝜂 2 dengan menggunakan
dengan menggunakan metode MCMC
algoritma Gibbs Sampling dari data
return harga penutupan saham Bank
Negara Indonesia (BBNI.JK), dari
tanggal 2 januari 2007 sampai tanggal 8
november 2011 diperoleh hasil estimasi
𝛽=exp(𝜇/2) dimana mean =0.02254 dan
standar deviasi =0.001881 , 𝜙 dengan
mean = 0.90690 dan standar deviasi =
0.022297 serta 𝜎𝜂 2 dengan mean =
0.48034 dan standar deviasi = 0.056265

9 Aplikasi Diagonalisasi Metode yang digunakan pada jurnal ini

Matriks Pada Rantai yaitu study pustaka. Lamgkah – langkah
Markov ( Application Of yang dilakukan dalam penelitian adalah
Matrix Diagonalization mengupas definisi – definisi yang
Markov Chain) berhubugan denagn permasalahan yang
diangkat. Dalam jurnal ini penulis hanya
Bidayatul Hidayah, menjelaskan dan memberikan langkah –
Rahayu Budhiyati V, langkah dalam metode markov chain,
Putriaji Hendikawati, 2014 yamg meberikan kesimpulan sebagai
berikut :

1. State atau sifat jangka panjang dapat

ditentukan cara

a. Menentukan matriks transisi dari suatu

kasus

b. Menentukan akar persamaan yaitu

detλI − A_ = 0

15
 dengan I matriks identitas dan A matriks
transisi.

c. Maka state yaitu λ ditemukan.

2. Vektor-vektor kondisi dapat

ditentukan dengan

a. Menentukan vektor eigen dengan λ

(state) yang sudah ditemukan pada

(2)

b. Menentukan matriks pendiagonal A

yang vektor-vektor kolomnya adalah

vektor-vektor eigen dari A.

c. Vektor-vektor kondisi dapat dihitung

dengan

Xn_ = X0_YDnY:1

dengan Y adalah matriks

pendiagonal A.

d. Dengan meningkatnya n maka Xn

mendekati vektor tunak x.

10 Pendeskripsian Kontur Dengan meningkatnya jumlah

Dan Image Suatu Kawasan pertumbuhan manusia untuk setiap
Eksplorasi Menggunakan tahunnya, akan berdampak pada
Monte Carlo Markov ketersedian energi-energi yang
Chain digunakan manusia dalam seluruh
kegiatan aktivitas kehidupan. Dengan
Jose Rizal, Ulfasari keterbatasan cadangan energi dalam
Rafflesia, 2008 suatu kawasan eksplorasi, perlu adanya

16
 suatu perencanaan dalam memperluas
kawasan eksplorasi atau mencari
kawasan eksplorasi yang baru. Studi
kasus diambil pada lapangan eksplorasi
tambang batu bara di lapangan X. penliti
membaginya dalam 5 titik dan besarnya
produksi sebagai berikut Lokasi 1
(100,200) produksi 80 ton/hari, Lokasi 2
(150,400) produksi 110 ton/hari, Lokasi 3
(300,400) produksi 95 ton/hari, Lokasi 4
(500,300) produksi 100 ton/hari, dan
Lokasi 5 (500,100) produksi 90 ton/hari.
Selanjutnya peniliti mengolah data
menggunakan MCMC dan mendapatkan
hasil Algoritma Metropolis-Hasting
mampu diaplikasikan dalam
menghasilkan sebuah deskripsi suatu
kawasan eksplorasi berupa image dan
kontur suatu parameter kawasan
eksplorasi. Tentu saja hasil ini dapat
digunakan sebagai bahan pertimbangan
dalam pengembangan suatu kawasan
eksplorasi tambang

17
 BAB III METODOLOGI

METODOLOGI

3.1 Flowchart
Mulai

Menentukan Studi Kasus

Identifikasi Masalah Studi

Kasus
Fungsi Tujuan dan Kendala

Cari Penyelesaian Informasi Markov Chain

Apakah
Informasi
Markov Chains
sudah tepat

Primer

Sekunder

Tidak Apakah
Sudah cocok
di gunakan?

Optimal

Selesai

18
3.2 Deskripsi Metodologi
Setiap penelitian sudah tentu mengalami proses, proses ini
dituangkan dalam flow chart pemecahan masalah sesuai dengan
kaidah-kaidah yang terkandung dalam sistem dan informasi, hal ini
bertujuan untu kmemudahkan dan memperjelas permasalahan
sehingga nantinya dapat memberikan solusi yang bisa
dipertanggung jawabkan.
1. Menentukan Studi Kasus

Studi kasus dalam laporan ini adalah Penerapan Metode

Program Markov Chain dalam forecasting pangsa pasar dari 4
provider
2. Identifikasi Masalah Studi Kasus

Mengidentifikasi Masalah pada Studi Kasus adalah hal

yang penting, hal ini bertujuan agar mengetahui informasi/cara
mana yang sesuai untuk penyelesaian kasus tersebut.
3. Fungsi Tujuan dan Kendala
Fungsinya untuk mengetahui sebarapa penting nya informasi
ini dalam forecasting pangsa pasar dari 4 provider Kendalanya
untuk mengetahui dan memprediksi perkiraan pelanggan di masa
mendatang yang akan menggunakan produk kita dan produk
pesaing, sehingga dapat disusun strategi bisnis sesuai dengan
keadaan produk sekarang dan di masa depan.
4. Cari Penyelesaian Informasi Markov Chain
Masalah yang dihadapi diselesaikan terlebih dahulu
menggunakan

Informasi Markov chain untuk menentukan masalah apa aja

yang terkendala dalam mesin.
5. Apakah Informasi Markov Chain sudah tepat
Hasil optimal pada Markov Chain sangat penting dalam

19
 forecasting pangsa pasar dari 4 provider untuk mengetahui dan
memprediksi perkiraan pelanggan di masa mendatang yang
akan menggunakan produk kita dan produk pesaing untuk
menyusun strategi bisnis.
6. Primer
Data primer diperoleh dengan melakukan riset lapangan.
Riset lapangan (field research) merupakan suatu cara untuk
memperoleh data dengan pengamatan terhadap suatuobyek yang
diteliti.

7. Sekunder
Data Sekunder Pada data Sekunder akan diperoleh dengan
cara melakukan pencatatan data-data dari dokumen perusahaan
dan juga dari studi pustaka yang berhubungan dengan masalah di
dalam penelitian ini
8. Apakah metode ini sudah cocok digunakan
Memastikan metode ini sudah cocok digunakan dalam
forecasting pangsa pasar dari 4 provider.
9. Optimal
Apakah metode ini sudah optimal kalau sudah optimal
selanjutnya melakukan langkah berikutnya untuk mempercepat agar
mengetahui dan memprediksi perkiraan pelanggan di masa
mendatang yang menggunakan produk kita dan produk pesaing
untuk menyusun strategi bisnis.

10. Membuat Kesimpulan

11. Selesai

3.3 Justifikasi Pemilihan Metode

Studi kasus yang jurnal ini angkat ialah mengenai Analisis
forecasting pangsa pasar dari 4 provider.dimana analisis ini bertujuan
mengetahui dan memprediksi perkiraan pelanggan di masa mendatang
yang akan menggunakan produk kita dan produk pesaing untuk

20
 menyusun strategi bisnis. Kita menggunakan metode Markov Chain
untuk menyelesaikan analisis ini.

3.4 Parameterisasi
Parameterisasi penelitian adalah suatu nilai atau kondisi yang
dijadikan sebagai tolak ukur dalam menemukan segala sesuatu untuk
mengisi kekosongan atau kekurang yang ada, menggali lebih dalam apa
yang ada, mengembangkan dan memperluas, serta menguji kebenaran
dari apa yang telah ada namun kebenerannya masih diragukan.
Beberapa parameterisasi yang berkaitan dengan elemen peneitian ini
dapat didefinisikan sebagai berikut:

Kajian dapat didefinisikan sebagai penyelidikan secara mendalam

terhadap sesuatu. Dalam konteks ini yang dimaksud adalah Analisis
forecasting pangsa pasar dari 4 provider.
Implementasi dapat didefinisikan sebagai melaksanakan atau
menerapkan. Dalam konteks ini yang dimaksud adalah penerapan
metode program Markov Chain dalam analisis forecasting pangsa pasar
dari 4 provider.

Rencana dapat didefinisikan sebagai fungsi organic managerial yang

pertama ialah karena perencanaan merupakan langkah kongkrit yang
pertama – tama diambil dalam usaha pencapaian tujuan. Artinya, yaitu
bagaimana kita menemukan cara untuk mengetahui dan memprediksi
perkiraan pelanggan di masa mendatang yang menggunakan produk
kita dan produk pesaing untuk menyusun strategi bisnis.
Strategi dapat didefinikan sebagai penetapan tujuan jangka panjang dan
sasaran lembaga dan penerapan serangkaian tindakan serta alokasi
sumber daya yang penting untuk melaksanakan sasaran itu. Dalam
konteks yang dimaksud ini adalah menggunakan metode Markov Chain
untuk mengetahui dan memprediksi perkiraan pelanggan di masa
mendatang yang menggunakan produk kita dan produk pesaing untuk

21
menyusun strategi bisnis dalam analisis forecasting pangsa pasar dari 4
provider.

22
 BAB IV PENGUMPULAN DAN P ENGOLA HAN DATA

PENGUMPULAN DAN PENGOLAHAN DATA

4.1 Analisis Situasi

Saat ini persaingan di dunia bisnis semakin pesat. Ditambah dengan
banyaknya produk baru yang bermunculan. Oleh sebab itu sangat penting
untuk memprediksi perkiraan pelanggan di masa mendatang yang akan
menggunakan produk kita dan produk pesaing, sehingga dapat disusun
strategi bisnis sesuai dengan keadaan produk sekarang dan di masa depan.
Salah satu cara untuk memprediksi pelanggam/costumer di masa
mendatang adalah dengan menggunakan markov chain. Dimana markov
chain adalah suatu teknik matematika yang biasa digunakan untuk
pembuatan model bermacam – macam sistem dan proses bisnis. Teknik ini
dapat digunakan untuk memperkirakan perubahan-perubahan di waktu yang
akan datang variabel – variabel dinamis atas dasar perubahan – perubahan
variabel – variabel dinamis tersebut waktu lalu.
Dalam kasus ini kita mengambil dari 4 macam pemasaran kartu
provider yang bersaing ketat dalam pasar, yaitu Telkomsel, Indosat, XL dan
Tri (3). Pada kasus ini kami mengambil data real dari hasil kuisioner yang
kita sebarkan dan kita ambil beberapa sampel. Sehingga mendapatkan data
seperti yang tertera pada tabel dibawah.
Tabel 4.1 Tabel Data Pelanggan
Jumlah Perubahan Selama Jumlah
Langganan Periode Langganan
Provider
Pindah
Periode II
Periode I Ke Pindah Dari
Telkomsel 6 5 2 9
Indosat 3 1 3 1
XL 2 2 2 2
Tri (3) 3 0 1 2
Total 14 14

23
 Tabel diatas menunjukkan data jumlah langganan masing-masing
merk pada periode pertama, perubahan jumlah langganan yang terjadi pada
satu periode, dan jumlah langganan pada periode kedua.

4.2 Hasil Analisis Penelitian

1. Definisi masalah
Dalam kasus ini kita mengambil dari 4 macam pemasaran kartu
provider yang bersaing ketat dalam pasar, yaitu Telkomsel, Indosat, XL
dan Tri (3). Pada kasus ini mengambil data real dari hasil kuisioner
yang kita sebarkan dan kita ambil beberapa sampel. Sehingga
mendapatkan data seperti yang tertera pada tabel dibawah.
Tabel 4.2 Tabel Data Pelanggan
Jumlah Perubahan Selama Jumlah
Langganan Periode Langganan
Provider
Pindah
Periode II
Periode I Ke Pindah Dari
Telkomsel 6 5 2 9
Indosat 3 1 3 1
XL 2 2 2 2
Tri (3) 3 0 1 2
Total 14 14

2. Pengembanngan model matematis

Kriteria: T, I, X, Tr = Provider
Status/ kondisi saat ini = Jumlah langgnan di periode 1
Fungsi tujuan: 𝑄 𝑛+1 = 𝑃 𝑥 𝑄 𝑛
Batasan:
Apabila 𝑡0 < 𝑡1 < ⋯ < 𝑡𝑛 , (𝑛 = 0,1, … . ) menyatakan titik waktu,
kumpulan variabel random {𝑋(𝑡𝑛 )} adalah proses markov jika
memenuhi syarat betikut ini:
𝑃(𝑋(𝑡𝑛 ) = 𝑋𝑛 Ι 𝑋 (𝑡𝑛−1 ) = 𝑋𝑛−1 , … , 𝑋(𝑡𝑜 ) = 𝑋0 }
= 𝑃(𝑋(𝑡𝑛 ) = 𝑋𝑛 Ι 𝑋 (𝑡𝑛−1 ) = 𝑋𝑛−1

24
3. Pemecahan model
Berikut adalah tabel pergeseran pelanggan yang terjadi dalam
penggunaan kartu provider:
Tabel 4.3 Pergeseran Pelanggan
Jumlah Langganan Tambahan Dari Provider Pengurangan Ke Provider Jumlah Langganan
Provider
Periode I T I Xl Tr T I Xl Tr Periode 2
T 6 0 2 2 1 0 1 1 0 9
I 3 1 0 0 0 2 0 1 0 1
Xl 2 1 1 0 0 2 0 0 0 2
Tr 3 0 0 0 0 1 0 0 0 2
Jumlah 14 14

Tabel diatas menunjukan tambahan pelanggan dan juga

pengurangan pelanggan dari setiap provider. Salah satu contohnya pada
provider Telkomsel yang dimana provider Telkomsel ini mendapatkan
tambahan pelanggan dari XL = 2 dan Tri = 1. Dan provider Telkomsel
ini juga ada pelanngan yang beralih ke provider XL = 1 dan I = 1.
Maka matriks probabilitas transisi dari tabel diatas adalah:

Tabel 4.4 Pergeseran Pelanggan

Jumlah Langganan Tambahan Dari Provider Pengurangan Ke Provider Jumlah Langganan
Provider
Periode I T I Xl Tr T I Xl Tr Periode 2
T 6 0 2 2 1 0 1 1 0 9
I 3 1 0 0 0 2 0 1 0 1
Xl 2 1 1 0 0 2 0 0 0 2
Tr 3 0 0 0 0 1 0 0 0 2
Jumlah 14 14

Adapun untuk mencari matriks probabilitas transisi dapat digunakan

kolom bagian ‘Pengurangan ke Provider’, karena dari bagian tabel
tersebut dapat diketauhi pergeseran pelanggan yang terjadi antara satu
provider ke provider lainnya.
Setelah itu, di cari jumlah pelanggan yang tetap setia dengan
menggunakan kartu provider sebelumnya. Dengan menggurangkan
jumlah pelanggan provider I dengan jumlah pengurangan pelanggan
yang beralih ke provider lain, sehingga di dapatkan hasil tabel dibawah
ini. Dengan nomor yang diberi merah menjelaskan pelanggan yang
tetap setia.

25
 Tabel 4.5 Matriks Transisi
Jumlah Pengurangan Ke Jumlah
Provider Langganan Provider Langganan
Periode I T I Xl Tr Periode 2
T 6 4 1 1 0 9
I 3 2 0 1 0 1
Xl 2 2 0 0 0 2
Tr 3 1 0 0 2 2
Jumlah 14 14

Adapun untuk mencari probabilitas transisi, dilakukan dengan

membagi jumlah pelanggan yang beralih ke provider lain dengan
jumlah pelanggan provider tersebut pada periode I, sehingga di dapat
tabel probabilitas transisi seperti dibawah ini:
Tabel 4.6 Probabilitas Transisi
Menuju
Dari Total
T I Xl TR
T 0,66 0,16 0,16 0 1
I 0,66 0 0,33 0 1
Xl 1 0 0 0 1
TR 0,33 0 0 0,66 1

Adapun bentuk tabel diatas dapat diubah menjadi sebuah matriks,

sehingga disebut Matriks Probabilitas Transisi pada periode I ke
periode II seperti di bawah ini
0,66 0,16 0,16 0
0,66 0 0,33 0
P=[ ]
1 0 0 0
0,33 0 0 0,66
Maka selanjutnya adalah dengan menghitung matriks transisi di setiap
periodenya, sehingga diketauhi presentase jumlah pergeseran
pelanggan kartu provider dari tahun ke tahunnya. Adapun matriks
transisi (P) di dapat dengan melakukan perkalian matriks transisi

26
 dimana Pn = Pn-1 . Misalnya untuk mencari matriks periode I ke periode
III (P2) adalah dengan mengkuadratkan matriks transisi periode I ke
periode II. Sehingga didapat matriks seperti ini:
0,66 0,16 0,16 0 0,66 0,16 0,16 0
0,66 0 0,33 0 0,66 0 0,33 0
P2 = [ ]x[ ]
1 0 0 0 1 0 0 0
0,33 0 0 0,66 0,33 0 0 0,66

0,7012 0,1056 0,1584 0

0,7656 0,1056 0,1056 0
= [ ]
0,66 0,16 0,16 0
0,4356 0,0528 0,0528 0,4356

Sedangkan untuk matriks transisi dari periode I ke periode V adalah

sebagai berikut:
P4 =
0,7012 0,1056 0,1584 0
0,7656 0,1056 0,1056 0
[ ] x
0,66 0,16 0,16 0
0,4356 0,0528 0,0528 0,4356
0,7012 0,1056 0,1584 0
0,7656 0,1056 0,1056 0
[ ]
0,66 0,16 0,16 0
0,4356 0,0528 0,0528 0,4356
0,6769 0,1104 0,1473 0
0,6864 0,1087 0,1491 0
=[ ]
0,6907 0,1122 0,1469 0
0,5787 0,0827 0,1057 0,1897
Selanjutnya menentukan market share atau presentase penggunaan
kartu rovider di masa mendatang. Adapun langkah awal adalah dengan
menentukan market share pada periode pertama sebagai berikut;
Menentukan market share, pada periode pertama, yaitu;
- Provider T = 6/14 = 0,4285 = 42,85%
- Provider I = 3/14 = 0,2142 = 21,42%
- Provider X = 2/14 = 0,1428 = 14,28%
- Provider TR = 3/14 = 0,2142 = 21,42%
Menentukan market share, pada periode kedua, yaitu;
- Provider T = 914 = 0,6428 = 64,28%
- Provider I = 1/14 = 0,0714 = 7,14%

27
- Provider X = 2/14 = 0,1428 = 14,28%
- Provider TR = 2/14 = 0,1428 = 14,28 %

Mencari pergeseran pelanggan dari periode pertama ke periode kedua.

Sehingga digunakan matriks probabilitas transisi pada periode pertama:

Marker Share = [ 0,4284 0,2142 0,1428 0,2142] x

0,66 0,16 0,16 0
0,66 0 0,33 0
[ ]
1 0 0 0
0,33 0 0 0,66

= [ 0,6375 0,0685 0,1391 0,1413]

Maka pada periode kedua, market share Provider T = 63,75%, Provider

I = 6,85%, Provider X = 13,91%, Provider TR= 14,13%.

Market Share pada periode ketiga adalah perkalian antara market share
pada periode kedua dengan matriks probabilitastransisi:

Market Share = [ 0,6375 0,0685 0,1391 0,1413] x

0,66 0,16 0,16 0
0,66 0 0,33 0
[ ]
1 0 0 0
0,33 0 0 0,66

= [ 0,6516 0,102 0,1246 0,0932]

Maka pada periode kedua, market share Provider T = 65,16%, Provider

I = 10,2%, Provider X = 12,46%, Provider TR= 9,32%.

Selain cara tersebut kita juga dapat menggunakan perkalian market

share pada periode satu dengan matriks probabilitas pada periode ketiga,
sehingga didapat hasilnya:

Market Share

0,7012 0,1056 0,1584 0

0,7656 0,1056 0,1056 0
= [ 0,4284 0,2142 0,1428 0,2142] x [ ]
0,66 0,16 0,16 0
0,4356 0,0528 0,0528 0,4356

= [ 0,6518 0,1019 0,1245 0,0933]

28
 Maka pada periode kedua, market share Provider T = 65,18%, Provider I =
10,19%, Provider X = 12,45%, Provider TR= 9,33%.

Sehingga hasil presentase penggunaan kartu provider adalah sebagai berikut:

Provider Periode 1 Periode 2 Periode 3

T 42,85% 63,75% 65,18%
I 21,42% 6,85% 10.19%
X 14,28% 13,91% 12,45%
Tr 21,42% 14,13% 9,35%

Dari tabel diatas diketauhi bahwa provider yang memiliki banyak

pelanggan adalah Telkomsel dan terus meningkat setiap tahunnya selama tiga
periode. Sedangkan untuk tiga provider lainnya seperti Indosat, Xl, dan Tri
mengalami penurunan peresentase jumlah pelanggan.

29
 BAB V KESIMPULA N

KESIMPULAN

5.1 Kesimpulan
1. Harga yang murah dan kecepatan sinyal adalah pilihan utama dari
konsumen untuk memilih provider yang digunakan.
2. Konsumen akan membandingkan kelebihan dan kekurangan dari
setiap merek provider, namun ada juga konsumen yang setia pada
merek provider yang digunakan dengan alasan kenyamanan.
Walaupun provider yang digunakan saat ini sudah tertinggal dengan
merek provider yang lain.
3. Dari hasil penilitian diketauhi bahwa provider yang memiliki banyak
pelanggan adalah Telkomsel dan terus meningkat setiap tahunnya
selama tiga periode. Sedangkan untuk tiga provider lainnya seperti
Indosat, Xl, dan Tri mengalami penurunan peresentase jumlah
pelanggan.

5.2 Saran
Saran untuk peneliti selanjutnya adalah dapat menggunakan sampel
yang lebih besar di bandingkan dengan jurnal ini.

5.3 Manajerial Implementasi

Setiap produsen provider dapat melihat hasil dari jurnal ini untuk
perbaikaan kedepannya. Jika beberapa produsen seperti Tri masih
mempertahakan produknya saat ini akan ada kemungkinan kemunduran
persentase dari pengguna provider Tri setiap tahunnya.

30
 DAFTAR PUSTAKA
Alfian. MODEL VOLATILITAS STOKASTIK DENGAN METODE
MARKOV CHAIN MONTE CARLO (Studi Kasus Pada Data Return
Harga Penutupan Saham Bank Negara Indonesia). Jur. Ris. & Apl.
Mat. 2 (2018), No. 1, 1-12

C E Okorie. (2015). Markov Chain Models in Discrete Time Space and

Application to Personnel Management. Journal for Studies in
Management and Planning, Vol 01. 09 Oktober 2015

Fernandes Andry Johanes.(2015). Implementasi Penerapan Markov Chain

Pada Database Marketing Studi Kasus Pelanggane-Commerce. Jurnal
Teknologi Informasi Program Studi Teknik Informatika Dan Sistem
Informasi, Universitas Bunda Mulia Volume 11, Nomor 2, Agustus
2015

Fernandez-Morales A. Application Of A Discrete – Time Markov Chaim

Simulation In Insurance. iJES – Volume 3, Issue 3, 2015

Hidayah Bidayatul, Budhiyati V Rahayu, Hendikawati Putriaji.(2014).

Aplikasi Diagonalisasi Matriks Pada Rantai Markov (Application Of
Matrix Diagonalization On Markov Chain). J. Sains Dasar 2014

Masuku Fatimah, Langi Yohanes, Mongi Charles. Analisis Rantai Markov

Untuk Memprediksi Perpindahan Konsumen Maskapai Penerbangan
Rute Manado-Jakarta. Jurnal Ilmiah Sains Vol. 18 No. 2, Oktober
2018

Nofiyah Noni, Hendikawati Putriaji, Mariani Scolastika.(2013). Analisis

Markov Chain Untuk Forecasting Pangsa Pasar Handphone Dan
Pemrogramnnya. Unnes journal of mathematics

Novia Andriani Mega, Firdaniza, Irianingsih Iin. Reliabilitas Suatu Mesin

Menggunakan Rantai Markov (Studi Kasus: Mesin Proofer Di Pabrik
Roti Super Jam Banten). Jurnal Matematika Integratif Volume 13 No
1, April 2017

iv
Novie.(2013).The Determination Of Optimal Inventory Using Markov
Chain. Jurnal Manajemen Teori dan Terapan Tahun 6. No. 1, April
2013.

Rizal Jose, Rafflesia Ulfasari. (2008). Pendeskripsian Kontur Dan Image

Suatu Kawasan Eksplorasi Menggunakan Monte Carlo Markov
Chain. Jurnal Gradien Vol.4 No.1 Januari 2008 : 328-332