Laporan Ini Dibuat Untuk Memenuhi Tugas Mata Kuliah Sistem Informasi Manajemen
Yang Diampu Oleh:
Assalamu’alaikum Wr. Wb
Segala puji dan puja penulis panjatkan kehadirat Allah SWT atas segala Rahmat,
Inayah, dan Petunjuk-Nya. Shalawat dan salam penulis sampaikan kepada manusia pilihan
Allah SWT, junjungan kita Nabi Muhammad SAW.
Alhamdulillah laporan ini dapat terselesaikan tepat pada waktunya. Laporan ini
disusun untuk memenuhi salah satu tugas mata kuliah Sistem Informasi Manajemen dengan
Judul “Laporan Riset Operasi (Teori Probabilitas dan Statistik Menggunakan Model
Markov)”, karena terbatasnya ilmu yang kami miliki maka laporan ini jauh dari sempurna
untuk itu saran dan kritik yang membangun sangat penulis harapkan.
Tidak lupa penulis sampaikan rasa terima kasih yang tak terhingga kepada dosen
pembimbing IQBAL ZAKARIYA, M.T serta semua pihak yang telah turut membantu dalam
penyusunan laporan ini. Semoga bantuan dan bimbingan yang telah diberikan kepada kami
mendapat balasan yang setimpal dari Allah SWT. Penulis juga berharap semoga laporan ini
bermanfaat khususnya bagi penulis dan umumnya bagi pembaca. Amin Ya Robbal „Alamin.
WassalamualikumWr. Wb
Kelompok 2
i
DAFTAR ISI
DAFTAR ISI.............................................................................................................................ii
BAB I : PENDAHULUAN
C. Tujuan ............................................................................................................................. 2
C. Sejarah............................................................................................................................. 4
BAB IV : PENUTUP
A. Kesimpuan .................................................................................................................... 19
B. Saran ............................................................................................................................. 19
DAFTAR PUSTAKA
ii
BAB I
PENDAHULUAN
A. LATAR BELAKANG
Perkembangan ilmu pengetahuan dan teknologi saat ini ditunjang dengan
kemampuan dan perkembangan ilmu eksakta. Diantara ilmu eksakta yang mempunyai
peranan penting dalam kemajuan IPTEK yaitu ilmu matematika. Pesatnya
perkembangan matematika ditandai dengan semakin luasnya cakupan peranan ilmu
matematika. Ilmu statistika merupakan bagian dari ilmu eksakta yang merupakan
salah satu cabang ilmu matematika. Sekarang ini ilmu statistika banyak mendapatkan
perhatian dikalangan ilmuan yaitu sebagai dasar analisis atau perancangan yang
menyangkut olah data pengambilan keputusan/kebijakan.
Salah satu model Probabilitas yaitu Model Proses Markov. Rantai markov atau
analisis markov adalah suatu teknik mateatika yang biasa digunakan untuk melakukan
pembuatan model (modelling) bermacam-macam sistem dan proses bisnis. Teknik ini
dapat digunakan untuk memperkirakan perubahan-perubahan di waktu yang akan
datang dalam variabel-variabel dinamis atas dasar perubahan-perubahan dari variabel-
variabel dinamis tersebut di waktu yang lalu. Teknik ini dapat juga digunakan untuk
menganalisa kejadian-kejadian di waktu-waktu mendatang secara matematis.
Penerapan rantai Markov mula-mula adalah pada ilmu-ilmu pengetahuan
phisik dan meteorologi. Analisis markov telah banyak digunakan untuk menganalisa
tentang perpindahan merk dalam pemasaran, perhitungan rekening-rekening, jasa-jasa
persewaan mobil, perencanaan penjualan, masalah-masalah persedian, pemeliharaan
mesin, antrian, perubahan harga pasar saham, dan administrasi rumah sakit.
Semuanya ini hanya beberapa contoh apliksi yang banyak dijumpai sekarang.
Sehingga pada kali ini akan dijelaskan konsep dasar dari analisis markov
seperti probabilitas transisi, kondisi-kondisi kedudukan tetap (steady state) dengan
menggunakan suatu contoh kasus perpindahan merk dalam pemasaran.
C. TUJUAN
Dari rumusan masalah yang sudah di paparkan di atas dapat ditulis tujuan masalah
sebagai berikut:
1. Untuk mengetahui pengaplikasian analisis markov pada suatu kasus.
2. Untuk mengetahui cara penyusunan matriks probabilitas transisi.
3. Untuk mengetahui probabilitas suatu kejadian di waktu yang akan datang.
4. Untuk mengetahui kondisi steady state.
KAJIAN TEORI
C. SEJARAH
Andrei Andreevich Markov (2 juni 1856 - 20 juli 1922) adalah seseorang
fisikawan rusia. Dalam usahanya untuk menjelaskan secara matematik gejalan alam
yang di kenal dengan gerak brown, ia menemukan sebuah fakta yang kemudian
dikenal sebagai rantai markov (Markov Chain). Konstruksi matematik proses markov
yang benar dengan trajektori-trakjektori yang berkesinambungan pertama kali di
lakukan oleh N. Wiener pada tahun 1923. Selanjutnya, teori umum proses markov
dikembangan oleh A.N. Kol Magorov, W.Feler, W.Doweblin, P.Levy, pada tahun
1930 dan 1940.
Temuan A.A Markov adalah : “Untuk setiap waktu t, ketika kejadian adalah
Kt, dan seluruh kejadian sebelumnnya adalah Kt( j), ..., Kt(j-n) yang terjadi dari proses
yanag diketahui, probabilitas seluruh kejadian yang akan datang Kt(j) hanya tergantung
kepada kejadian Kt(j-1) dan tidak tergantung kepada kejadian-kejadian sebelumnya
yaitu Kt(j-2), Kt(j-3), ..., Kt(j-n).”
Gambaran mengenai rantai Markov ini kemudian dituangkan ke dalam
gerakan-gerakan dari beberapa variabel di masa yang akan datang bisa diprediksi
berdasarkan gerakan-gerakan variabel tersebut di masa lalu. Kt4 di pengaruhi oleh
kejadian Kt3 , Kt3 dipengaruhi oleh kejadian Kt2 , dan demikian seterusnya di mana
perubahan ini terjadi karena peranan probabilitas transisional. Kejadian Kt2 misalnya,
tidak akan mempengaruhi kejadian Kt4. Katrakteristik model seperti ini telah
memungkinkan eksplorasi penerapan di berbagai bidang, misalnya :
n adalah jumlah keadaan dalam proses dan pij adalah kemungkinan transisi
dari keadaan saat i ke keadaan j. Jika saat ini berada pada keadaan i maka baris i dari
tabel di atas berisi angka-angka pi1, pi2, , pin merupakan kemungkinan berubah ke
keadaan berikutnya. Oleh karena angka tersebut melambangkan kemungkinan, maka
semuanya melupakan bilangan non negatif dan tidak lebih dari satu. Secara
matematis:
Σ pij = 1 i = 1, 2, ....., n
A. STUDI KASUS
Suatu komunitas kecil memiliki dua pompa bensin, Petroco dan National.
Penduduk komunitas tersebut membeli bensin pada kedua pompa bensin tersebut atas
dasar bulanan. Bagian pemasaran Petroco mengadakan survei terhadap sejumlah
penduduk dan menemukan bahwa pelanggan tidak setia sepenuhnya pada pompa
bensin manapun. Pelanggan akan pindah pompa bensin sebagai akibat dari adanya
periklanan, pelayanan, dan faktor lainnya.
Bagian pemasaran menemukan bahwa jika seorang pelanggan membeli bensin
dari Petroco di bulan apapun, probabilita yang ada hanya sebesar 0.6 bahwa
pelanggan tersebut akan tetap membeli dari Petroco di bulan berikutnya dan 0.4
bahwa pelanggan tersebut akan membeli bensin dari National di bulan berikutnya.
Demikian pula jika seorang pelanggan mengadakan transaksi dengan National
di suatu bulan, terdapat probabilita sebesar 0.8 bahwa pelanggan tersebut akan
membeli dari National di bulan berikutnya dan 0.2 bahwa pelanggan tersebut akan
membeli dari Petroco. Probabilita-probabilita ini dirangkum dalam tabel 2.
Bulan Berikutnya
Bulan Ini
Petroco National
Petroco 0,6 0,4
National 0,2 0,8
Petroco
0.36
Petroco
National
0.24
Petroco
Petroco
0.08
National
National
0.32
Gambar 2. Probabilita keadaan di masa yang akan datang
Bulan 1 Bulan 2 Bulan 3
Petroco
0.12
Petroco
National
0.08
National
Petroco
0.16
National
National
0.64
Analisa yang sama dapat dilakukan untuk kondisi dimana seorang pelanggan
pada awalnya membeli bensin dari National, seperti ditunjukkan dalam Gambar 2.
Dengan asumsi bahwa National merupakan keadaan awal dalam bulan 1.
Perhatikan bahwa untuk setiap keadaan awal, baik Petroco maupun National,
jumlah probabilita yang berakhir pada keadaan di bulan 3 manapun adalah sama
dengan 1.0
Probabilitas Transaksi
Keadaan Awal
Petroco National Jumlah
Walaupun sangat logis, penggunaan diagaram pohon untuk analisa jenis ini
dianggap banyak menghabiskan waktu dan tidak praktis. Sebagai contoh, jika
Petroco ingin mengetahui probabilita seorang pelanggan yang melakukan
transaksi dengan mereka di bulan satu akan tetap melakukan transaksi dengan
mereka di bulan 10, suatu diagram pohon yang besar harus dibuat. Sebagai
alternatif, analisa diatas yang dilakukan dengan menggunakan diagram pohon
dapat juga diselesaikan dengan menggunakan teknik aljabar matriks.
Matriks Transisi
Probabilitas pergerakan pelanggan dari satu pompa bensin ke pompa bensin
lain dalam periode satu bulan, yang ditampilkan dalam bentuk tabel pada Tabel 1,
dapat juga ditampilkan dalam bentuk susunan angka berbentuk empat persegi
panjang yang disebut matriks, seperti ditunjukkan di bawah ini.
Probabilita transaksi
dengan Petroco
Periode mendatang i
PP(i)
Probabilita transaksi
dengan National
Periode mendatang i
NP (i)
Jika seorang pelanggan saat ini melakukan transaksi dengan Petroco (bulan 1),
probabilita berikut ini tersedia:
Pp(1) = 1.0
Np(1) = 0.0
Matriks ini menentukan kondisi awal dari sistem contoh kita, dengan asumsi
seorang pelanggan pada awalnya melakukan transaksi dengan Petroco, seperti
dalam Gambar 1.
0.60 0.40
Bulan 2 Pp2 Np2 1.0 0.0
0.20 0.80
0.60 0.40
0.60 0.40
Bulan 3 Pp3 Np3 0.60 0.40
0.20 0.80
0.44 0.56
Pada bulan yang akan datang probabilita keadaan mulai menunjukkan tidak
terdapat perubahan sama sekali. Untuk contoh ini, probabilita keadaan yang
muncul setelah bulan i adalah [Pp(i) Np(i)] = [0.33 0.67]
0.60 0.40
Bulan 2 Pn2 Nn2 0.0 1.0
0.20 0.80
0.20 0.80
0.60 0.40
Bulan 3 Pn3 Nn3 0.20 0.80
0.20 0.80
0.28 0.72
Nilai-nilai diatas adalah sama dengan yang kita peroleh jika kita menggunakan
analisa diagram pohon dalam gambar 2. Probabilita keadaan berikutnya, dihitung
dengan cara yang sama, ditunjukkan berikut ini :
2. Perhitungan Aplikasi
Cara menggunakan Marcov Chain model dengan software POM-QM
1. Susun matrik probabilitas transisi
Probabilitas Transaksi
Keadaan Awal
Petroco National Jumlah
6. Pada kolom “initial” isikan jumlah awal pelanggan tiap merk. Pada kolom
sisanya isikan transpose dari matrik probabilita
transisi.
PENUTUP
A. KESIMPUAN
Berdasarkan hasil penelitian dan pembahasan pada Bab III, maka dapat
diambil kesimpulan, bahwa besarnya probabilitas Petroco dan National dengan
menggunakan metode Rantai Markov, Petroco menguasai Probabilitas sebesar
0.33%, dan toko National sebesar 0.67%.
B. SARAN
Penulisan tugas akhir ini hanya membahas mengenai aplikasi metode Rantai
Markov dalam menganalisi probabilitas pangsa pasar, maka bagi para pembaca yang
tertarik mengenai penerapan metode ini bisa melanjutkan penelitian, yaitu dengan
menghitung besarnya probabilitas pangsa pasar pada jam-jam berapa konsumen yang
banyak melakukan pembelian.
Supranto, Johanes. 2017. Tugas Rangkuman Buku “Riset Operasi Untuk Pengambilan
Keputusan” Edisi Revisi Johanes Supranto.
https://www.slideshare.net/eddysanusisilitonga/tugas-rangkuman-buku-riset-operasi-
untuk-pengambilan-keputusan-edisi-revisi-johanes-supranto. Diakses pada tanggal 19
Juni 2020 pukul 16.20
Silitonga, Eddy Sanusi. 2017. Tugas UAS Rangkuman Riset Operasi.
https://www.slideshare.net/eddysanusisilitonga/tugas-uas-rangkuman-riset-operasi.
Diakses pada tanggal 19 Juni 2020 pukul 16.30
Pak Dosen. 2020. Riset Operasi. https://pakdosen.pengajar.co.id/riset-operasi/. Diakses pada
tanggal 20 Juni 2020 pukul 13.22
Wahyu, Agus. 2012. Pengertian Statistika Dan Probabilitas.
http://blog.ub.ac.id/aguswahyuprasetyo/2012/02/25/pengertian-statistika-dan-
probabilitas/. Diakses pada tanggal 20 Juni 2020 pukul 14.10
Anonymous. 2017. Probabilitas Dan Statistika contoh soal dan pembahasanya.
http://mittutguteng.blogspot.com/2017/06/1-probabilitas-dan-statistika-contoh.html.
Diakses pada tanggal 21 Juni 2020 pukul 10.34