5485-Article Text-15346-1-10-20120913
5485-Article Text-15346-1-10-20120913
1
ISSN : 0853-8115
Abstrak
PENDAHULUAN
Tabel 1 Peluang Perpindahan dari Urban
Model rantai Markov sangatlah berguna bagi Suburban Rural
ahli geografi khususnya yang berurusan dengan Urban 0.3 0.1
masalah pergerakan. Yang dimaksud pergerakan di Suburban 0.2 0.5
sini adalah pergerakan dari satu tempat ke tempat Rural 0.4 0.1
yang lain dan pergerakan dari satu state ke state lain.
Dalam hal ini state mengacu pada kelas/kelompok Ketiga lokasi dalam matriks ini membentuk
mengenai ukuran besarnya suatu kota, kelas state dari model Markov, dan masing-masing unsur
pendapatan, jenis produk-produk pertanian, menyatakan nilai peluang suatu pergerakan dari satu
penggunaan tanah, dan lain-lain. Model rantai state ke state lain. Dalam konteks ini peluang itu kita
Markov merupakan suatu konsep yang menarik untuk sebut peluang transisi dimana pada contoh di atas
menggambarkan dan menganalisa kealamian suatu peluangnya hanya diasumsikan. Kita asumsikan dari
perubahan diakibatkkan oleh pergerakan state-state semua penduduk yang tinggal di urban sebanyak
di atas, terkadang model Markov juga dipergunakan 60% atau 0.6 masih menetap di urban, 30% (0.3)
untuk meramalkan perubahan pada masa depan. pindah dari urban ke sub urban, dan 10% pindah dari
Dengan demikian, model rantsi Markov berguna baik urban ke rural pada tahun 1960. Dengan demikian,
dalam studi tentang migrasi, yang tujuannya mungkin penjumlahan unsur-unsur pada setiap baris matriks di
untuk mengetahui arah dominan atau tingkat atas menghasilkan 100% atau 1.0, tetapi tidak
perubahan suatu migrasi, maupun dalam studi demikian pada kolom-kolomnya. Sepanjang periode
pertumbuhan atau perkembangan katakanlah suatu yang sama, dari semua penduduk yang tinggal di sub
sistem perkotaan, yang tujuannya mungkin untuk urban sebanyak 0.2 pindah ke urban pada tahun
menentukan kota yang bagaimana yang cenderung selanjutnya, dan sebanyak 0.1 dari mereka yang
meluas dan kota yang bagaimana yang cenderung tinggal di rural pada tahun pertama pindah ke sub
mengecil. Umumnya model Markov lebih urban. Matriks yang berisi peluang transisi atau
diasumsikan pada sistem tertutup, namun pada akhir disebut juga matriks transisi ini menggambarkan
tulisan diberikan modifikasi sehingga dapat peluang pergerakan dari satu state ke state lain pada
dipraktekan dalam system terbuka. selang waktu tertentu atau diskret (pada contoh ini 1
tahun). Lebih lanjut lagi Mari kita berasumsi bahwa
Model Markov Sederhana antara tahun pertama dan tahun kedua tidak ada
Segala informasi yang didapatkan dari pengamatan perubahan jumlah populasi pada ketiga state. Kita
terhadap kecenderungan suatu peluang di masa hanya akan memperhatikan penyebaran ulang
lampau, misalnya lebih dari sepuluh tahun terakhir, penduduk yang populasinya konstan. Asumsikan
dapat dibuat menjadi sebuah matriks yang merupakan bahwa pada tahun pertama total populasi pada ketiga
kerangka dasar sebuah model Markov. Kita state 10 juta, 50% berada di urban, 30% di sub urban,
asumsikan pada suatu wilayah peluang perpindahan dan 20% di rural. Keadaan state awal sistem ini dapat
antara urban, suburban, dan rural digambarkan oleh dinyatakan dalam bentuk vektor peluang:
matriks di bawah ini. (Tabel 1)
23
Penggunaan Rantai Markov untuk Analisis Spasial serta Modifikasinya Forum Statistika dan Komputasi
dari Sistem Tertutup ke Sistem Terbuka
24
Penggunaan Rantai Markov untuk Analisis Spasial serta Modifikasinya Forum Statistika dan Komputasi
dari Sistem Tertutup ke Sistem Terbuka
atau stasioner, dan kita asumsikan informasi dunia 1. pangkat dari P mendekatai sebuah matriks A
nyata dapat didekati dengan model Markov. Tujuan 2. setiap baris dari A merupakan vektor
bahasan berikutnya adalah suatu empat serangkai: peluang α yang sama
untuk menggambarkan dengan lebih tepat konsep 3. unsur-unsur dari α semua positif
analisis rantai Markov sedemikian sehingga dapat
memungkinkan kita menentukan sesuatu yang Teorema 2 : Jika P adalah matriks transisi untuk
memperluas penilaian seseorang dalam menggunakan Rantai Markov reguler dan A, α seperti yang
teknik analisis geografis, untuk menguraikan didefinisikan dalam Teorema 1, maka ada vektor α
keunggulan-keunggulan deskriptif model Markov, yang tunggal sehingga α P = α .
untuk membahas implikasi dari asumsi-asumsi yang
mendasarinya, dan terakhir untuk menguraikan Matriks A didefiniskan sebagai matriks batas.
secara singkat penerapan model Markov secara Teorema ini akan lebih jelas lagi setelah diberikan
khusus dalam masalah-masalah geografis. suatu contoh hipotesis khusus. Andaikan sebuah
contoh konstan, dari kapal dagang yang menyebar di
tiga samudera : Atlantik, Pasifik, dan Hindia.
SIFAT RANTAI MARKOV TERBATAS Asumsikan pada saat t0, 20 % dari jumlah total kapal
REGULER berada di Hindia, 20 % di Pasifik, dan 60 % di
Atlantik. Dengan demikian state awal dari sistem ini
Peluang Transisi dapat ditunjukkan oleh vektor sebaran awal, p(0),
Peluang transisi pij yang berupa peluang/perpindahan berikut :
suatu proses dari state Si ke state Sj diberikan untuk
setiap pasang state. ”Himpunan” peluang atau p (0) = (20, 20, 60) = (.2, .2, .6)
”fungsi hasil” menggambarkan proses perpindahan
tersebut yang melalui beberapa tahap. Agar lebih Asumsikan juga bahwa peluang pergerakan kapal
mudah dalam perhitungan dan perlambangan, secara karena aktifitas perdagangannya dari satu state
sederhana peluang transisi ini dapat dituliskan dalam (samudera) ke state lain selama periode waktu
bentuk matriks transisi P. tertentu (selang waktu satu tahun) ditunjukkan
dengan matriks berikut :
S1 S2 S 3 ..... S n S1 S2 S3
S1 p11 p12 p13 ...... p1n Hindia Pasifik Atlantik
S2 p21 p22 p23 ..... p2 n S1 Hindia 0 . 6 0 .2 0 .2
P= : : : : ...... : (3.4)
S2 Pasifik 0 . 3 0 .4 0 .3
: : : ...... : S3 Atlantik 0 . 2 0 .2 0 . 6
Sn pn1 pn 2 pn 3 ..... pnn
Matriks Batas
n Matrik P menunjukkan peluang dari kapal yang tetap
Dimana ∑p ij =1 berada di Samudera Hindia (tidak berpindah) selama
j =1 selang waktu tertentu yang diberikan adalah 0.6,
dan pij ≥ 0 untuk semua i dan j sedangkan peluang pergerakan kapal dari Hindia ke
Pasifik adalah 0.2 dan seterusnya. Dengan matriks
Pada setiap P melambangkan peluang perpindahan transisi awal ini kita dapat menghitung peluang
dari state Si dan Sj pada langkah berikutnya. Karena transisi setelah 1, 2, 3, .... n tahap dengan
unsur dari matriks ini harus tak negatif dan jumlah pemangkatan matriks yang sesuai.
unsur-unsur pada setiap baris adalah 1, maka setiap
baris disebut vektor peluang dan matriks P disbeut Setelah dua tahap didapatkan matriks
matriks stokastik. Jika setiap pemangkatan matriks P S1 S 2 S3
hanya mengandung unsur-unsur positif, maka matrisk
transisi dikatakan sebagai matriks reguler/biasa. S1 . 46 . 24 . 30
P2 =
S 2 . 36 . 28 . 36
Teorema Markov S3 . 30 . 24 . 46
Untuk rantai Markov Reguler dua teorema penting
Dan setelah empat tahap
yang berhubungan dengan sifat equilibrium
(keseimbangan) diberikan oleh Kemeny dan Snell S1 S 2 S 3
(1967, hal 69-98). S1 . 3380 . 2496 . 3624
P4 =
Teorema 1 : Jika P adalah matriks transisis untuk
S 2 . 3744 . 2512 . 3744
Rantai Harkov reguler, maka : S 3 . 3624 . 2460 . 3880
25
Penggunaan Rantai Markov untuk Analisis Spasial serta Modifikasinya Forum Statistika dan Komputasi
dari Sistem Tertutup ke Sistem Terbuka
Dan setelah delapan tahap matriks transisinya ditimbulkan dari hukum jumlah besari bagi Rantai
menjadi Markov reguler. Dalam contoh kita, setelah sejumlah
P8= besar periode 37.5 % dari kapal-kapal akan berada di
S1 S S Hindia, 25 % di Pasifik, dan 37.5 % di Atlantik.
2 3
S1 . 37533 . 25000 . 37467 Matriks Fundamental
S 2 . 37500 . 25000 . 37500 Matriks batas merupakan salah satu sifat Rantai
Markov Reguler yang penting. Sifat deskriptif
S 3 . 37467 . 25000 . 37533
lainnya dapat dihitung dari Z atau matriks
Fundamental. Perincian dari aljabar matriks yang
Perbandingan keempat matriks di atas menunjukkan berhubungan dengan perhitungan ini dijelaskan oleh
sebuah proses perkonvergenan yang cepat menuju Kemeny dan Snell (1967) dan agar dapat dilakukan
sistem state yang seimbang. State yang seimbang ini perbandingan, notasi yang dituliskan di bawah ini
ditunjukkan dengan matriks batas A : tidak berubah, kecuali jika sebaliknya akan
S1 S 2 S 3 diberitahukan. Dalam notasi matriks
S1 . 3750 . 25000 . 3750
A= Z = (I – (P – A))-1 (5)
S 2 . 3750 . 25000 . 3750 Dimana
S . 3750 . 25000 . 3750 I adalah Matriks Identitas
3
P adalah Matriks reguler
A adalah Matriks batas dari P
Dan vektor peluang α = (.3750, .2500, .3750)
Dengan menggunakan contoh kapal dan samudera di
mempertahankan sistem dalam keseimbangan.
atas, diberikan matriks P dan A sehingga
Konsep Ekuilibrium S1 S2 S3
Dalam konsteks ini, ide ekuilibrium (keseimbangan) S1 .775 .050 .175
dapat didefinisikan sebagai banyaknya rata-rata kapal
(I – P + A ) = S 2 .075 .850 .075
yang masuk dan keluar samudera tertentu pada
selang waktu yang diberikan adalah sama. Dalam S3 .175 .050 .775
beberapa hal konsep keseimbangan ini analog dengan Invers dari matriks ini adalah
pola populasi nasional yang stabil. Misalnya struktur
usia populasi dalam kondisi sosio-ekonomi yang S1 S2 S3
konstan cenderung untuk mempertahankan state S1 1.36458 −1.06250−0.30208
ekuilibriumnya, tetapi bentuk sebaran ekuilibrium ini -1
boleh jadi berbeda-beda pada setiap negara. Jika Z=(I–P+A) = S 2 −0.09375 1.18750 −0.09375
terjadi goncangan yang hebat seperti perang, S3 .−0.30208−0.06250 1.36459
kelaparan, atau kemajuan teknologi (misalkan
pengendalian kelahiran, vaksin dsb), distribusi usia Walaupun matriks fundamental Z memiliki beberapa
dapat berubah secara mencolok. Dalam par-perang sifat yang sama dengan matriks transisi, matriks ini
Dunia I di Eropa, piramida populasi di Inggris, tidak harus berisi unsur-unsur yang tak negatif.
Perancis, Jerman dan Italia memiliki susunan yang Matriks Z menggambarkan secara sederhana
sama. Akan tetapi setelah konflik memakan korban bagaimana sistem ini mendekati ekuilibrium dari
cukup besar terutama dari kelompok laki-laki usia sebaran awal yang diberikan, yaitu : dari sembarang
20-45 tahun khususnya di Jerman, pola ini berubah state awal, nilai presentase harapan dari lamanya
secara mencolok. Tanpa memperhitungkan Perang sistem menghabiskan waktu di state j mendekati nilai
Dunia yang lain, piramida populasi ini perlahan- aj seiring dengan semakin besarnya n periode waktu;
lahan kembali ke pola asalnya 60 tahun kemudian. tetapi dari state i yang diberikan, selisih presentase
Ini bukan berarti suatu pola khusus akan selalu sama harapan dengan aj sebesar kira-kira (Zij-aj)/n. Hal
dalam jangka panjang karena kondisi sosio-ekonomi yang penting dari matriks Z adalah penggunaan
terus menerus berubah. Dalam analisis Rantai dalam perhitungan waktu rata-rata untuk bergerak
Markov untuk tujuan permodelan, sebaran dari satu state ke state yang lain. Sebaran yang
ekuilibrium digunakan untuk melihat apa yang akan menggambarkan variable acak ini disebut sebaran
terjadi jika pola pergerakan yang diamati saat ini waktu perjalanan pertama dan nilai harapannya
tidak mengalami goncangan, bukan untuk disebut waktu perjalanan pertama rata-rata.
meramalkan state sistem berikutnya (dalam contoh
ini sebaran kapal di tiga samudera). Pada contoh di Matriks Waktu Perjalanan Pertama Rata-Rata
atas peluang pembatas aj (unsur dari matriks A) Matriks dari waktu perjalanan pertama rata-rata
berada di State Sj bebas dari state awal dan dilambangkan dengan M dan unsur-unsurnya, mij,
menunjukkan lamanya suatu proses dapat diharapkan menggambarkan waktu yang diharapkan untuk
berada di state Sj selama sejumlah besar pergerakan bergerak dari
dan setelah sejumlah besar tahapan dari p(0). Hal ini
26
Penggunaan Rantai Markov untuk Analisis Spasial serta Modifikasinya Forum Statistika dan Komputasi
dari Sistem Tertutup ke Sistem Terbuka
27
Penggunaan Rantai Markov untuk Analisis Spasial serta Modifikasinya Forum Statistika dan Komputasi
dari Sistem Tertutup ke Sistem Terbuka
jangka panjang dri model ilustrasi ini. Contohnya Tabel 2.Matriks Peluang Transisi pada tiga Samudera
pada persamaan (12), setelah kurang lebih 100 selang S1 S2 S3 Total
waktu (tahun) persentase kapal di Pasifik dengan Marginal
peluang 0.18, penyimpangan yang terjadi sekitar 25 S1 120 40 40 200
% tidak lebih dari S2 60 80 60 200
S3 120 120 360 600
100x0.2812 = 5.3 % Jumlah 300 240 460 1000
28
Penggunaan Rantai Markov untuk Analisis Spasial serta Modifikasinya Forum Statistika dan Komputasi
dari Sistem Tertutup ke Sistem Terbuka
Untuk setiap unsur matriks perhitungan ini diulang Sebagai contoh hipotesis, ketiga permukaan atau sisi
dan dijumlahkan secara aljabar, sehingga didapatkan matriks kubik itu juga diperlihatkan pada gambar 2.
Matriks N log P seperti pada Tabel 3. S1 (105)
Tabel 3 Matriks N Log P S1 S2 ( 2)
S1 S2 S3 S3 (10)
S1 ( 2)
S1 83.1771 − 7.292 − 33.316
S1 S2 S2 (28)
S 2 0.000 40.866 − 25.646 S3 ( 10)
S3 S2 ( 8)
Jumlah dari setiap unsur digandakan dan S3 ( 30)
dibandingkan dengan sebaran Khi-Kuadrat pada
tingkat angka penting yang dipilih am (n-1)2 derajat S1 ( 53)
S1 S2 ( 2)
bebas. Karena dalam contoh hipotesis -2 ln λ =
165.8 jauh lebih besar daripada nilai pada Tabel Khi- S3 ( 5)
Kuadrat untuk empat derajat bebas, hipotesis tentang S1 ( 25)
percobaan saling bebas tidak berlaku.
S1 S2 S2 ( 50)
S3 ( 5)
Sifat Markov Orde-1
Sifat kebergantungan saja tidak cukup untuk S1 ( 38)
membuat Model Markov orde-khusus. Asumsi dari S3 S2 ( 2)
kebanyakan studi yang dilakukan bahwa sembarang S3 ( 20)
matriks transisi mencerminkan proses Markov Orde-
1, berhubungan erat dengan asumsi kenormalan S1 (100)
dalam penerapan prosedur statistik standar. Asumsi S1 S2 ( 16)
demikian biasanya dibangun dari data yang tidak S3 ( 4)
29
Penggunaan Rantai Markov untuk Analisis Spasial serta Modifikasinya Forum Statistika dan Komputasi
dari Sistem Tertutup ke Sistem Terbuka
Uji Ukuran Rasio Kemungkinan Maksimum (b). “homogen bersyarat”komponen sifat Markov
untuk Sifat Markov Orde-1 (c). “homogen-(I,j), komponen bebas dua-arah oleh
Dengan tersedianya data yang cukup, kita dapat satu-arah
menguji hipetesis null bahwa rantai tersebut pastikan
memiliki orde-1, bukan alternatif lainnya yaitu 0rde- Uji Statistik Kehomogenan
2. Hipotesis null didefinisikan sebagai p1jk = p1jk = … Di bawah hipotesis kehomogenan (similaritas),
= pnjk = pjk, untuk j,k=1, … , n. Ukuran rasio statistiknya menyebar sebagai variable Chi-kuadrat
kemungkinan yang digunakan untuk menguji pusat dengan deret bebas yang sesuai. Tabel 5
hipotesis ini adalah: menginformasikan bentuk-bentuk umum dari sub-
n f ijk tabel yang terdiri dari n baris.
λ= ∏ ( pˆ
i , j , k =1
jk / pˆ ijk ) Unsur-unsur tabel dilambangkan dengan fkij yang
menunjukkan nilai pada sub-tabel k, baris i, dan
(15) kolom j. Titik yang menjadi subskrip menunjukkan
dimana penjumlahan dari bentangan indeks yang digantikan,
pˆ jk = ∑ f ijk / ∑∑ f ijk = f. jk / f. j . dan m = f.
i i k Asumsikan bahwa contoh acak dari bidang-bidang
dan tanah yang didefinisikan secara sembarang
pˆ ijk = f ijk / ∑ f ijk / f ij . menghasilkan matriks transisi berikut untuk
k kabupaten A (tabel 6) dan B (tabel.7).
Di bawah asumsi hipotesis null, − 2 log λ
Tabel 5.Tabel Informasi untuk Uji Statistik
menyebar Chi-kudrat asimtotik dengan n(n-1) derajat Kehomogenan
bebas.
Komponen Informasi Derajat Bebas
Uji ini dilakukan Cullins pada matriks kubik
s n
mfki.
2∑∑ f ki. loge
berukuran 14x14 dari kategori ukuran pembangunan
pabrik (penentuan ukuran berdasarkan pekerjaan). (s-1)(n-1) (16)
k =1 i =1 f k .. f.i.
Data tahunan tersedia untuk periode 1961-1965 dan
menghasilkan nilai-nilai pada tabel 4. Untuk semua f kij
realisasi, nilai dari − 2 log e λ lebih kecil dari s n n f ki. f.ij
derajat bebasnya. Hipotesis null bahwa rantai ini 2∑∑∑ f kij n(s-1)(n-1) (17)
memiliki orde-1 berlawanan dengan alternative yaitu k =1 j =1 j =1 f .i .
orde-2, tidak ditolak dan perubahan struktur homogen bersyarat homogen (I,j)
pekerjaan pabrik dikatakan sebagai proses Markov mf kij
orde-1. 2∑∑∑ f kij loge (s-1)(n2-1) (18)
f k .. f.ij
Tabel 4 Uji sifat orde-1 pada matriks kategori
ukuran pengembangan yang berukuran 14x14
Realisasi − 2 log e λ D.F. n(n-1)2
1961-63 697.62 2366
1962-64 631.21 2366
1963-65 607.78 2366
1961-65 610.16 2366
Konsep Kestasioneran
Apakah perubahan kegunaan tanah pada kedua
Teori dasar Markov mensyaratkan parameter yang
kabupaten berlanjut dalam perlakuan yang sama?
stasioner sebagai tambahan sifat orde-1. Ini berarti
Apakah perubahan itu berlangsung pada tingkat yang
perkiraan peluang transisi tetap atau konstan
sama? Perhitungannya dilakukan sebagai berikut :
sepanjang waktu, dan sekaligus merupakan asumsi
batasan teori Markov. Sering kali kita dapat
Tabel 8: Unsur fkij
memperkirakan suatu deret matriks transisi atau
K i\j P C U W Total
sekumpulan realisasi yang menggambarkan Kab. A P 272 72 26 0 270
kecenderungan pada saat itu. Kekonstanan C 31 143 42 4 220
kecenderungan ini bias ditentukan dengan uj statistic. U 0 24 53 3 80
Uji statiatik yang dimaksud disini telah W 0 1 7 22 30
dikembangkan dengan menggunakan teori informasi Kab. B P 195 47 18 0 260
(Kullback, Kupperman, dan Ku, 1962). Ada beberapa C 24 102 29 5 160
masalah Statistik Informasi Diskriminasi Minimum U 1 16 36 2 55
dan didefinisikan: W 0 0 5 15 20
(a). “homogen-I”, komponen bebas dua-arah Total 523 405 216 51 1195
30
Penggunaan Rantai Markov untuk Analisis Spasial serta Modifikasinya Forum Statistika dan Komputasi
dari Sistem Tertutup ke Sistem Terbuka
Tabel 9: Unsur fki. ke state j pada realisasi ke-k, yaitu pk (Sj/Si) adalah
K i\j P C U W Total sama untuk semua k (k=1,2,…,n) untuk setiap pasang
Kab. A 370 220 80 30 700 i dan j yang mungkin dimana i=1,2,…,n dan
Kab. B 260 160 55 20 495 j=1,2,…,n. Harus ditekankan bahwa dengan
Total 630 380 135 50 1195 mendemonstrasikan bahwa perbedaan antara deret
realisasi cukup kecil untuk dijadikan acuan pada
Tabel 10: Unsur f.ij fluktuasi acak atau fluktuasi peluang, kita hanya
i\j P C U W menunjukkan bahwa kecenderungan masa lampau
P 467 119 44 0 adalah konstan; tapi pada saat melakukan itu kita beri
C 55 245 71 9 substansi dalam beberapa kasus pada asumsi bahwa
U 1 40 89 5 kecenderungan masa depan untuk jangka pendek
W 0 1 12 37 akan kontinu pada langkah konstan.
Total 523 405 216 51
31
Penggunaan Rantai Markov untuk Analisis Spasial serta Modifikasinya Forum Statistika dan Komputasi
dari Sistem Tertutup ke Sistem Terbuka
32
Penggunaan Rantai Markov untuk Analisis Spasial serta Modifikasinya Forum Statistika dan Komputasi
dari Sistem Tertutup ke Sistem Terbuka
33