PROYEK

PENGANTAR RANTAI MARKOV

DosenPengampu :

Sudianto Manullang, S.Si., M.Sc

Hanna Dewi Marina Hutabarat, S.Si., M.Si

DISUSUN OLEH :

Nama/NIM : Amir Husein

Haarahap (4171230001)
Beatrice M.Marpaung (4173530009)
Khairani Oktavia (4171230008)
Kelas :Matematika Nondik A 2017

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.

Medan, November 2019

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

1.1 LATAR BELAKANG

Pendidikan yang berkualitas dan lulusan yang memiliki kemampuan yang sangat baik
merupakan harapan semua orang, namun untuk merealisasikannya butuh usaha dan
kerjasama yang baik.
Pada masa sekarang ini bimbingan belajar menjadi alternative para mahasiswa untuk
lebih memahami pelajaran yang diberikan oleh para dosen, serta menjadi tempat untuk
menguji kemampuan mata kuliah yang dikuasai oleh para mahasiswa. Berlatih
mengerjakan soal menjadi salah satu alternative dalam upaya lebih memahami konsep
pembelajaran.
Dalam kehidupan, 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 pengamatan masa
lalu dan hasilnya dapat ditentukan dengan hukum – hukum peluang. Studi tentang
percobaan dalam bentuk seperti ini dikenal dengan proses stokastik.
Teori rantai markov merupakan teori yang di bahas pada proses stokastik dan memiliki
beberapa penerapan aplikasi. Metode ini senantiasa diarahkan pada keadaan yang akan
dating yang keberadaannya tidak dapat diketahui secara pasti sehingga manusia berusaha
melakukan kegiatan – kegiatan dengan berorientasi pada masa yang akan datang yang
penuh ketidakpastian.
1.2 RUMUSAN MASALAH
Ada beberapa rumusan masalah yang timbul dalam Proyek ini, yaitu:
1. Bagaimanakah contoh soal dari Pengantar Stokastik dengan topic Pengantar Rantai
Markov?

1.3 TUJUAN PENULISAN

Ada beberapa tujuan dalam penulisan Proyek ini, yaitu:
1. Untuk memenuhi salah satu tugas Mata Kuliah Pengantar Stokastik
2. Dapat mengetahui contoh soal dan penyelesaian dari topik mata kuliah ini

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.

Kegunaan rantai markov :

• Menganalisis dan memperkirakan perilaku partikel-partikel gas dalam suatu wadah

tertutup serta meramalkan keadaan cuaca

• Sebagai suatu peralatan riset operasi dalam pengambilan keputusan manajerial

• Menganalisa tentang perpindahan merek dalam pemasaran, perhitungan rekening,

antrian, masalah persediaan, administrasi rumah sakit dan sebagainya

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:

Proses model rantai markov :

1. Menyusun matriks probabilitas transisi

2. Menghitung kemungkinan market share di waktu yang akan dating
3. Menghitung kondisi – kondisi ekuilibirium

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 :

Kt ( j )  P  Kt ( j 1)

Dimana,

Kt ( j )
= peluang kejadian pada t(j)

P = probabilitas transisional

t(j) = waktu ke-j

Kt ( j )
peluang kejadian dinyatakan ke dalam bentuk vector sehingga jumlah seluruh
selnya akan selalu 100%.

Probabilitas Absolut dan Transisi

Dengan diketahui
a 
(0)
j
dan P dari sebuah rantai markov, probabilitas absolute dari sistem

tersebut setelah sejumlah transisi tertentu ditentukan sebagai berikut. Anggaplah

 a  adalah (0)
j

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

Pkj(2)   Pki Pij

Dimana i adalah probabilias transisi dua langkah atau order kedua (two
step atau second-order transition probability), yaitu probabilias untuk bergerak dari keadaan k
ke keadaan j dalam tepat dua transisi.

3
 BAB III
PEMBAHASAN

3.1 Metode
Metode yang diberikan adalah dengan memberikan contoh – contoh soal beserta
penyelesaianya.

3.2 Hasil dan Pembahasan

Pengantar Rantai Markov
1. Jika, pada waktu t, Rez mengajukan klaim asuransi, maka Rez akan mengajukan klaim
pada waktu t + 1 dengan peluang α; jika Rez tidak mengajukan klaim asuransi saat ini
maka di masa depan Rez akan mengajukan klaim asuransi dengan peluang β. Matriks
peluang transisinya adalah...
Penyelesaian:
1   
P
1    
dengan keadaan-keadaan: ’0’ tidak mengajukan klaim ’1’ mengajukan klaim
 0.7 0.3 
P 
2. Matriks peluang transisi:  0.4 0.6  . Jika diketahui 0  P(X0  0)  0.4 dan

0  P(X0  0)  0.4 , maka peluang (tak bersyarat) bahwa hari akan hujan 4 hari lagi

adalah...
Penyelesaian :
P(X4  0)  0.4 P004  0.6P104
 (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

 0.1 0.2 0.7 

P  0.2 0.2 0.6 
0.6 0.1 0.3 
peluang transisi Tentukanlah matriks peluang transisi dua
2
langkah P
Penyelesaian:
2
Untuk menentukan P yang bisa dilakukan yaitu dengan menggunakan teorema 2.2
Cara I.
2
P00(2)   P0 k Pk 0  P00 P00  P01P10  P02 P20
k 0

 (0.1)(0.1)  (0.2)(0.2)  (0.7)(0.6)  0.47

P01(2)  0.13 P02(2)  0.40 P10(2)  0.42

P11(2)  0.14 P12(2)  0.13 P20(2)  0.42

P21(2)  0.17 P22(2)  0.57

 0.47 0.13 0.40 

P 2   Pij2    0.42 0.14 0.44 
 0.26 0.17 0.57 
Maka
 2 8
P 
4. Pertimbangkan rantai markov berikut ini dengan dua keadaan  6 4  dengan

a (0)   7 3 (1) (4) (8)

. Tentukan a , a , a
Penyelesaian:
 2 8  2 8   52 48 
P2     
 6 4  6 4   36 64 
 52 48  52 48   443 557 
P4  P2 P2     
 36 64  36 64   417 583 
 443 557   443 557   4281 5719 
P8  P 4 P 4     
 417 583  417 583   4274 5726 
Jadi
 2 8
a (1)   7 3     32 68
6 4

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

0  0.1 0.2 0.7 

P  1 0.9 0.1 0 
2  0.1 0.8 0.1
peluang transisi dan distribusi awal  0  P( X 0  0)  0.3 ,

1  P( X 0  1)  0.4 ,  2  P( X 0  2)  0.3 . Tentukanlah P  X 0  0, X 1  1, X 2  2

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

Untuk mengerjakan soal 11-15

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’.

11. Matriks probabilitas transisi untuk permasalahan di atas!

Penyelesaian:
  Langkah pertama yang perlu dilakukan untuk menyelesaikan seluruh pertanyaan di
atas adalah dengan menentukan matriks transisi untuk menghitung nilai probabilitas

 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:

serba 0.667 0.333

ada  0.652 0.357 

- Baris pertama kolom pertama :  Bulan pertama “Serba”, bulan kedua “Serba”
- Baris pertama kolom kedua   :  Bulan pertama “Serba”, bulan kedua “Ada”

8
 - Baris kedua kolom pertama   :  Bulan pertama “Ada”, bulan kedua “Serba”
- 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.

Sehingga matriks probabilitas untuk bulan pertama adalah [ 1   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
  1 0  
 0.625 0.375

  0.667 0.333

untuk menghitung probabilitas pada bulan ketiga adalah dengan mengoperasikan

perkalian matriks antara matriks probabilitas bulan kedua dengan matriks transisinya.
Sehingga diperoleh:

0.667 0.333
 Ss (3) As (3)   Ss (2) As (2)  
 0.625 0.375

0.667 0.333
  0.667 0.333  
 0.625 0.375

  0.445  0.208 0.222  0.125

9
   0.653 0.37 

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.

Sehingga matriks probabilitas untuk bulan pertama adalah: [1 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

  0.445  0.208 0.222  0.125

Sedangkan untuk probabilitas bulan ketiga:

0.667 0.333
 Ss (3) As (3)   Ss (2) As (2)  
 0.625 0.375

0.667 0.333
  0.625 0.375  
 0.625 0.375

  0.417  0.234 0.208  0.141

10
   0.651 0.349

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

14. Nilai probabilitas pelanggan dalam keadaan tetap!

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

Persamaan 1: S  0.667S  0.625 A

Persamaan 2: A  0.333S  0.375 A

Karena jumlah probabilitas adalah satu maka Persamaan 3: S  A  1 ; A  1  S

Substitusikan ke persamaan 1:

S  0.667S  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

Substitusikan hasil nilai S tersebut ke dalam persamaan 2:

A  0.333S *0.652  0.375 A

A  0.217  0.375 A
A  0.375 A  0.217
0.652 A  0.217
A  0.348
Jadi probabilitas keadaan tetap (steady state) nya adalah:

11
Toserba “Serba” = 0.652
Toserba “Ada” = 0.348

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

Toserba “Serba” = 0.652 * 1000 = 652 pelanggan

Toserba “Ada” = 0.348 * 1000 = 348 pelanggan

Untuk mengerjakan soal 16 dan 17

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.

16. Matriks transisi P dari soal diatas !

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 :

Matriks State awal S0 adalah

12
S0   0.05 0.95
sehingga

0.23 0.77 
S0 P   0.05 0.95     0.116 0.884  s1
 0.11 0.89 

Pada tahun berikutnya

0.23 0.77 
S1 P   0.116 0.884     0.124 0.876   s2
 0.11 0.89 

Untuk mengerjakan soal 18 dan 19

Perubahan dari satu state ke state yang lain pada periode (hari) berikutnya dituliskan dalam
matriks/table probabilitas transisi sebagai berikut:

State sekarang Ke status berikutnya (besok)

( hari ini ) Jalan Mogok

Jalan 0.6 0.4

Mogok 0.8 0.2

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 !

Pada hari ke-1

 J J (1) M J (1)    1 0

Probabilitas sebuah angkot berstatus jalan ataupun mogok pada hari kedua bila angkot tersebut
berstatus jalan pada hari ke satu dapat dicari dengan mengalikan vector baris dengan matriks
probabilitas transisi diperoleh:

13
 0, 6 0, 4 0, 6 0, 4
 J J (2) M J (2)   J J (1) M J (1)      1 0     0, 6 0, 4 
 0,8 0, 2  0,8 0, 2 

Dan probabilitas sebuah angkot berstatus jalan ataupun mogok pada hari ketiga bila angkot
tersebut berstatus jalan pada hari kesatu dapat diperoleh:

0, 6 0, 4  0, 6 0, 4
 J J (3) M J (3)   J J (2) M J (2)      0, 6 0, 4      0, 68 0,32
 0,8 0, 2   0,8 0, 2 

19. berdasarkan data diatas, probabilitas sebuah angkot berstatus jalan atau mogok pada hari
keempat bila angkot tersebut berstatus jalan pada hari kesatu adalah….

Penyelesaian:

0, 6 0, 4 0, 6 0, 4
 J J (4) M J (4)    J J (3) M J (3)      0, 68 0,32     0, 664 0,336 
 0,8 0, 2  0,8 0, 2

Probabilitas status periode selanjutnya adalah

 J J (5) M J (5)   0,6672 0,3328

 J J (6) M J (6)    0, 6666 0,3334 
 J J (7) M J (7)   0,6667 0,3333
 J J (8) M J (8)   0,6667 0,3333

20. Industri personal komputer merupakan industri yang mengalami pergerakan sangat cepat
dan teknologi menyediakan motivasi kepeda konsumen untuk mengganti komputer setiap
tahunnya. Kepercayaan merek sangat penting dan perusahaan-perusahaan mencoba segala
cara untuk menjaga agar konsumen menjadi puas. Bagaimanapun juga, beberapa konsumen
mencoba untuk mengganti dengan merek yang lain (perusahaan lain). Tiga merek tertentu
Doorway, Bell, Kumpaq yang meguasai pangsa pasar. Orang yang memiliki komputer merek
Doorway akan membeli tipe Doorway yg lain 80% dan sisanya membeli 2 merek yang lain
dengan peluang sama besar. Pemilik komputer Bell akan membeli Bell lagi 90% dari waktu
sementara itu 5% akan membeli Doorway dan 5% akan membeli Kumpaq. Sekitar 70% pemilik
Kumpaq akan membeli Kumpaq, 20% akan membeli Doorway. Tiap merk memiliki konsumen
yang berencana untuk membeli sebuah komputer baru pada tahun depan, berapa banyak
komputer dari tiap tipe akan dibeli ?

14
Penyelesaian:

`kasus di atas merupakan kasus rantai markov

initial doorway beli kumpaq

Doorway 2000002 0.8 0.1 0.1

Beli 200000 0.05 0.9 0.05

kumpaq 200000 0.2 0.1 0.7

 0.8 0.1 0.1 

P  0.05 0.9 0.05
 0.2 0.1 0.7 

Untuk tahun depan:

 0.8 0.1 0.1   0.8 0.1 0.1 

P  0.05 0.9 0.05 0.05 0.9 0.05
2

 0.2 0.1 0.7   0.2 0.1 0.7 

0.665 0.18 0.155

 0.095 0.82 0.085
0.305 0.18 0.515

initial doorway beli kumpaq

Doorway 2000002 0.8 0.1 0.1

Beli 200000 0.05 0.9 0.05

kumpaq 200000 0.2 0.1 0.7

213000 236000 151000

15
 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
agar memberikan saran atau kritikan yang bersifat membangun bagi kami setelah membaca
hasil dari proyek ini.

16
17