PROYEK Stokastik
PROYEK Stokastik
DosenPengampu :
DISUSUN OLEH :
JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS NEGERI MEDAN
2019
KATA PENGANTAR
Puji Syukur kehadirat Tuhan Yang Maha Esa atas segala rahmat-Nya sehingga Proyek
ini dapat tersusun hingga selesai. Tidak lupa pula penulis mengucapkan banyak terima kasih
kepada orang - orang yang telah berperan dalam pembuatan Proyek. Proyek ini telah penulis
susun dengan maksimal agar mudah dimengerti dan dipahami oleh pihak pembaca.
Terlepas dari semua itu, penulis menyadari sepenuhnya bahwa masih ada kekurangan
baik dari segi penyusunan kalimat maupun tata bahasa yang digunakan. Oleh karena itu,
dengan tangan terbuka penulis menerima segala saran dan kritik dari pembaca agar penulis
dapat memperbaiki proyek penulis ini. Proyek ini penulis susun untuk memenuhi tugas yang
diberikan oleh dosen pengantar stokastik yaitu Bapak Sudianto Manullang, S.Si., M.Sc, dan
Hanna Dewi Marina Hutabarat, S.Si., M.Si penulis berharap semoga makalah ini dapat
memberikan manfaat maupun inspirasi terhadap pembaca.
Penulis
i
DAFTAR ISI
Kata Pengantar..........................................................................................i
Daftar Isi ....................................................................................................ii
Bab I Pendahuluan.....................................................................................1
1.1 LatarBelakang..................................................................................1
1.2 RumusanMasalah.............................................................................1
1.3 TujuanPenulisan...............................................................................1
Bab II TinjauanTeoritis.............................................................................2
2.1 PengantarRantai Markov .................................................................2
Bab III Pembahasan..................................................................................4
3.1 Metode..............................................................................................4
3.2 Hasil dan Pembahasan......................................................................4
Bab IV Penutup..........................................................................................14
4.1 Kesimpulan......................................................................................14
4.2 Saran ................................................................................................14
ii
BAB I
PENDAHULUAN
1
BAB II
TINJAUAN TEORITIS
2.1 Pengantar Rantai Markov
Rantai markov ( markov chain) adalah suatu model teoritis yang menjelaskna keadaan
sebuah sistem pada ssuatu tahap tertentu. Model ini dapat memperkirakan perubahan –
perubahan pada waktu yang akan dating dalam variabel – variabel dinamis pada waktu yang
lalu.
Proses markov memiliki sifat umum. Sifat umum dari proses markov adalah :
f X n | X n 1 ,..., X 1 f X n | X n 1
1.
E X n | X n 1 ,..., X 1 E X n | X n 1
2.
f X n | X n 1 ,..., X n k f X n | X n 1
3.
4. Bila keadaan sekarang diketahui, masa lalu independen dengan masa akan datang,
f X n Xk | X m f X n | X m f X k | X m
bila k m n maka:
Teori rantai markov pertama kali ditemukan oleh Andrey Andreyevich Markov,
matematikawan terkenal dari Rusia. Markov terkenal lewat teori bahwa suatu kejadian
berikutnya tergantung hanya pada keadaan saat ini dan bukan pada kejadian masa lalu (Lim
dan Sarjono, 2012). Proses stokastik { X n } dikatakan memiliki sifat markov jika untuk
2
n=0,1,2 , …. Jika X n=1 maka proses dikatakan berada dalam state pada waktu dan setiap
barisan.
Rantai markov akan menjelaskan gerakan – gerakan beberapa variabel dalam satu
periode waktu di masa yang akan dating berdasarkan gerakan – gerakan variabel tersebut di
masa kini. Secara sistematis dapat ditulis :
K t ( j ) P Kt ( j 1)
Dimana,
Kt ( j )
= peluang kejadian pada t(j)
P = probabilitas transisional
Kt ( j )
peluang kejadian dinyatakan ke dalam bentuk vector sehingga jumlah seluruh
selnya akan selalu 100%.
Dengan diketahui
a
(0)
j
dan P dari sebuah rantai markov, probabilitas absolute dari sistem
probabilitas absolute dari sistem tersebut setelah n transisi, yaitu pada saat tn . Ekspresi umum
dari
a
(0)
j
dalam bentuk
a dan P dapat ditemukan sebagai berikut.
(0)
j
j a1 P1 j a2 P2 j a3 P3 j ... ai Pij
a (1) (0) (0) (0) (0)
Juga
(0)
j ai Pij ak Pki Pij ak Pki Pij ak Pkj
a (2) (1) (0) (0) (2)
i i k k i k
3
BAB III
PEMBAHASAN
3.1 Metode
Metode yang diberikan adalah dengan memberikan contoh – contoh soal beserta
penyelesaianya.
0 P(X 0 0) 0.4 , maka peluang (tak bersyarat) bahwa hari akan hujan 4 hari lagi
adalah...
Penyelesaian :
P(X 4 0) 0.4 P004 0.6 P104
(0.4)(0.5749) (0.6)(0.5668) 0.57
4
3. Misalkan
X n adalah rantai Markov dengan ruang state {0, 1, 2} mempunyai matriks
5
443 557
a (4) 7 3 435 565
417 583
4281 5719
a (8) 7 3 4279 5721
4274 5726
5. Seorang pegawai pergi bekerja setiap hari dengan kereta api atau bus. Dia tidak pernah
naik kereta api dua hari berturut-turut. Tapi jika hari ini naik bus maka hari berikutnya
dia bisa naik bus lagi atau kereta api. Ini merupakan rantai Markov, karena pilihan
untuk esok hanya bergantung pada pilihan hari ini. Ruang state dari proses ini adalah
{t (kereta api), b (bus)}. Maka matriks peluang transisinya adalah…
Penyelesaian :
t b
t 0 1
b 12 1
2
6. Misalkan
X n adalah rantai Markov dengan ruang state {0, 1, 2} mempunyai matriks
Penyelesaian:
P X 0 0, X 1 1, X 2 2 0 P0.1P1.2 (0.3)(0.2)(0) 0
7. Keadaan hujan pada suatu hari bergantung pada keadaan hujan dalam dua hari
terakhir. Jika dalam dua hari terakhir hujan maka besok akan hujan dengan peluang
0.7; Jika hari ini hujan dan kemarin tidak hujan maka besok akan hujan dengan
peluang 0.5; jika hari ini tidak hujan dan kemarin hujan maka besok akan hujan
dengan peluang 0.4; jika dalam dua hari terakhir tidak hujan maka besok hujan dengan
peluang 0.2. Matriks peluang transisinya adalah...
Penyelesaian:
0.7 0 0.3 0
0.5 0 0.5 0
P
0 0.4 0 0.6
0 0.2 0 0.8
Dengan keadaan-keadaan:
’0’ (00) = hari ini dan kemarin hujan
6
’1’ (10) = hari ini hujan, kemarin tidak hujan
’2’ (01) = hari ini tidak hujan, kemarin hujan
’3’ (11) = hari ini dan kemarin tidak hujan
8. Menurut Kemeny, Snell dan Thompson, Tanah Australia diberkahi den- gan banyak
hal kecuali cuaca yang baik. Mereka tidak pernah memiliki dua hari bercuaca baik
secara berturut-turut. Jika mereka mendapatkan hari bercuaca baik maka esok hari
akan bersalju atau hujan dengan pelu- ang sama. Jika hari ini mereka mengalami salju
atau hujan maka be- sok akan bercuaca sama dengan peluang separuhnya. Jika
terdapat pe- rubahan cuaca dari salju atau hujan, hanya separuh dari waktu besok akan
menjadi hari bercuaca baik. Tentukan matriks peluang transisi dari Rantai Markov
yang dibentuk dari keadaan-keadaan diatas.
Penyelesaian:
1 2 1 4 1 4
P 1 2 0 1 2
1 4 1 4 1 2
dengan keadaan-keadaan:
’0’ cuaca hujan ’
1’ cuaca baik
’2’ cuaca salju
9. Sebagai calon atlet, setiap pagi Laila meninggalkan rumahnya untuk berlari pagi. Laila
akan pergi lewat pintu depan atau belakang den- gan peluang sama. Ketika
meninggalkan rumah, Laila memakai sepatu olah raga atau bertelanjang kaki. Ketika
pulang, Laila akan masuk lewat pintu depan atau belakang dan meletakkan sepatunya
dengan peluang sama. Diketahui bahwa Laila memiliki 4 pasang sepatu olah raga.
Ben- tuklah suatu Rantai Markov dari proses diatas.
Penyelesaian:
3 4 1 4 0 0 0
1 4 1 2 1 4 0 0
P 0 14 12 14 0
0 0 1 4 1 2 1 4
0 0 0 1 4 3 4
dengan keadaan-keadaan:
’0’ (4,0) = 4 sepatu didepan, 0 dibelakang
’1’ (3,1) = 3 sepatu didepan, 1 dibelakang
’2’ (2,2) = 2 sepatu didepan, 2 dibelakang
7
’3’ (1,3) = 1 sepatu didepan, 3 dibelakang
’4’ (0,4) = 0 sepatu didepan, 4 dibelakang
10. Suatu rantai Markov dengan keadaan-keadaan “0, 1, 2” memiliki matriks peluang
transisi:
0.7 0.2 0.1
P 0 0.6 0.4
0.5 0 0.5
Hitung P X 2 1, X 3 1| X 1 0 dan P X 1 1, X 2 1| X 0 0
Penyelesaian:
0.12 dan 0.12
Suatu survei dilakukan di sebuah wilayah di kota Jakarta. Diketahui bahwa wilayah tersebut
terdiri dari 1000 keluarga. Dari survei tersebut, diperoleh data bahwa 600 keluarga merupakan
pelanggan toserba ‘Serba’ dan 400 keluarga merupakan pelanggan toserba ‘Ada’. Pada bulan
itu, diketahui bahwa :
Dari 600 keluarga pelanggan toserba ‘Serba’ diperoleh data bahwa 400 keluarga
tetap berbelanja di toserba ‘Serba’ dan 200 lainnya berbelanja di toserba ‘Ada’.
Dari 400 keluarga pelanggan toserba ‘Ada’ dinyatakan bahwa 150 keluarga tetap
berbelanja di toserba ‘Ada’. Sedang 250 lainnya berbelanja di toserba ‘Serba’.
Probabilitas bulan pertama “Serba” dan bulan kedua “Serba” = 400/600 = 0.667
Probabilitas bulan pertama “Serba” dan bulan kedua “Ada” = 200/600 = 0.333
Probabilitas bulan pertama “Ada” dan bulan kedua “Serba” = 250/400 = 0.625
Probabilitas bulan pertama “Ada” dan bulan kedua “Serba” = 150/400 = 0.375
Sehingga matriks transisi yang diperoleh adalah:
- Baris pertama kolom pertama : Bulan pertama “Serba”, bulan kedua “Serba”
- Baris pertama kolom kedua : Bulan pertama “Serba”, bulan kedua “Ada”
- Baris kedua kolom pertama : Bulan pertama “Ada”, bulan kedua “Serba”
8
- Baris kedua kolom kedua : Bulan pertama “Ada”, bulan kedua “Ada”
12. Probabilitas untuk toko “Serba” dan “Ada” pada bulan ketiga apabila pada bulan pertama
keluarga tersebut memilih untuk berbelanja di toko “Serba”
Penyelesaian:
Apabila pada bulan pertama, keluarga tersebut memilih untuk berbelanja di toko “Serba”
artinya keluarga tersebut pasti memilih untuk berbelanja di toko “Serba”, jadi probabilitas
keluarga tersebut datang ke toserba “Serba” adalah 1, dan probabilitas keluarga tersebut
datang ke toserba “Ada” adalah 0.
Apabila dilakukan perkalian antara matriks probabilitas pada bulan pertama dengan matriks
transisi pada kasus ini maka akan diperoleh data:
0.667 0.333
Ss (2) As (2) S s (1) As (1)
0.625 0.375
0.667 0.333
1 0
0.625 0.375
0.667 0.333
0.667 0.333
Ss (3) As (3) S s (2) As (2)
0.625 0.375
0.667 0.333
0.667 0.333
0.625 0.375
0.653 0.37
9
Jadi diperoleh probabilitas bulan ketiga, apabila pada bulan pertama memilih di toko
“Serba”, untuk toserba “Serba” adalah 0.653, dan toserba “Ada” adalah 0.347.
1 3 . Probabilitas untuk toko “Serba” dan “Ada” pada bulan ketiga apabila pada bulan pertama
keluarga tersebut memilih untuk berbelanja di toko “Ada”
Penyelesaian:
Apabila pada bulan pertama, keluarga tersebut memilih untuk berbelanja di toko “Ada”
artinya keluarga tersebut pasti memilih untuk berbelanja di toko “Ada”, jadi probabilitas
keluarga tersebut datang ke toserba “Ada” adalah 1, dan probabilitas keluarga tersebut datang
ke toserba “Serba” adalah 0.
Apabila dilakukan perkalian antara matriks probabilitas pada bulan pertama dengan matriks
transisi pada kasus ini maka akan diperoleh data:
0.667 0.333
Ss (2) As (2) Ss (1) As (1)
0.625 0.375
0.667 0.333
0.667 0.333
0.625 0.375
0.667 0.333
Ss (3) As (3) S s (2) As (2)
0.625 0.375
0.667 0.333
0.625 0.375
0.625 0.375
0.651 0.349
10
Jadi diperoleh probabilitas bulan ketiga, apabila pada bulan pertama memilih di toko
“Ada”, untuk toserba “Serba” adalah 0.651, dan toserba “Ada” adalah 0.349
Penyelesaian:
Menghitung probabilitas keadaan tetap bisa dilakukan dengan melakukan operasi perhitungan
persamaan sebagai berikut:
0.667 0.333
S A S A
0.625 0.375
S A 0.667 S 0.625 A 0.333S 0.375 A
Substitusikan ke persamaan 1:
S 0.667 S 0.625(1 S )
S 0.667 S 0.625 0.625S
S 0.667 S 0.625S 0.625
0.958S 0.625
S 0.652
11
15. Jumlah perkiraan pelanggan dalam jangka panjang untuk masing-masing toserba tersebut!
Penyelesaian:
Jumlah perkiraan pelanggan dalam jangka panjang bisa dihitung dengan mengalikan
probabilitas keadaan tetap dengan jumlah total pelanggannya
Dalam 10 tahun, suatu perusahaan asuransi memantau bahwa secara 23% pengemudi kelompok
tertentu yang mengalami kecelakaan pada suatu tahun ternyata mengalami kecelakaan di tahun
berikutnya. Mereka juga melihat bahwa hanya 11% pengemudi yang tidak mengalami kecelakaan di
tahun berikut nya.
Penyelesaian :
Matriks Transisi
A 0.23 0.77
P
Tahun ini
A' 0.11 0.89
17. jika 5% pengemudi dari kelompok ini mengalami suatu kecelakaan tahun ini, berapa prbabilitas
bahwa seorang pengemudi yang dipilih secara acak dari kelompok ini akan mengalami suatu
kecelakaan di tahun berikutnya? Bagaimana di tahun setelahnya?
Penyelesaian :
S0 0.05 0.95
sehingga
12
0.23 0.77
S0 P 0.05 0.95 0.116 0.884 s1
0.11 0.89
0.23 0.77
S1 P 0.116 0.884 0.124 0.876 s2
0.11 0.89
Perubahan dari satu state ke state yang lain pada periode (hari) berikutnya dituliskan dalam
matriks/table probabilitas transisi sebagai berikut:
18. Pemiliik usaha angkot tersebut ingin mengetahui probabilitas sebuah angkot berstatus
jalan pada hari ke-3, Jika angkot tersebut berstatus jalan pada hari pertama. Tentukan dalam
bentuk Vektor !
J J (1) M J (1) 1 0
13
BAB IV
PENUTUP
3.1 Kesimpulan
Berdasarkan paparan di atas dapat dilihat contoh – contoh soal beserta penyelesaian
dari pada pengantar rantai markov.
3.2 Saran
Saran yang dapat diberikan semoga dengan makalah hasil proyek ini dapat bermanfaat
bagi pembaca sehingga nantinya makalah proyek ini dijadikan sebagai referensi untuk
memahami mengenai materi Pengantar Stokastik.Dan kami harapkan kepada pihak pembaca
14
agar memberikan saran atau kritikan yang bersifat membangun bagi kami setelah membaca
hasil dari proyek ini.
15