MARKOV
Disusun Oleh:
2020
Markov
Pengertian Markov
Pengaplikasian
Pengaplikasian dari teknik ini biasa diterapkan untuk membantu dan
membuat keputusan dalam dunia bisnis dan industri, seperti menganalisa tentang
perpindahan merek (brands witcing) dalam pemasaran, operasi dan pemeliharaan
mesin, analisis pengawaasan, hutang piutang dan lain sebagainya. Akan tetapi,
informasi yang dihasilkan tidaklah mutlak menjadi suatu keputusan, mengingat
sifatnya yang hanya memberikan bantuan dalam proses pengambilan keputusan.
Probablitas Transisi
Probabilitas Transisi adalah perubahan dari satu status ke status yang lain
pada periode (waktu) berikutnya dan merupakan suatu proses random yang
dinyatakan dalam probabilitas.
Tabel 1 Matriks Kemungkinan Transisi
Keterangan :
n = jumlah keadaan dalam proses.
Pij = kemungkinan transisi dari keadaan saat I ke keadaan j
Apabila pada saat ini berada pada keadaan i maka baris i dari tabel diatas
berisi angka‐angka Pi1, Pi2, Pin merupakan kemungkinan berubah kekeadaan
berikutnya. oleh karena itu angka tersebut melambangkan kemungkinan, maka
semuanya merupakan bilangan non negative dan tidak lebih dari satu.
Contoh :
Diketahui terdapat dua toko swalayan di suatu kecamatan, yaitu toka A dan
toko B. Jika diasumsikan setiap pembeli datang ke toko swalayan tersebut satu
kali dalam seminggu, dan pembeli hanya belanja ke salah satu toko swalayan
tersebut. Jika sampel jumlah pembeli yang diambil dalam 1 bulan adalah 200
orang sehingga diketahui pembeli yang ada di toko A adalah 60 % tetap di
toko A dan 40 % pindah ke toko B pada minggu berikutnya. Sedangkan,
pembeli di toko B adalah 70 % tetap di toko B dan 30 % pindah ke toko B
pada minggu berikutnya. senua penjelasan di susun pada tabel dibawah ini.
Piliihan pada suatu Pilihan minggu berikutnya
minggu Toko A Toko B
Toko A 120 80
Toko B 60 140
Peneyelesaian :
Kunjungan belanja tersebut disebut percobaan dari proses.
Keadaan dari proses disini adalah toko yang dipilih oleh pembeli.
Kedua baris berjumlah 200 dan jumlah kolom tidak sama dengan 200.
Data diatas dapat digunkaan untuk membuat matriks perpindahan
keadaan atau transisi.
jika didefinisikan keadaan 1 adalah pembeli belanja di toko A dan
keadaan 2 pembeli belanja di toko B.
Maka Matriks kemungkinan transisinya adalah sebagai berikut :
Probabilitas Pohon
Probabilitas Pohon merupakan cara yang mudah untuk menggambarkan
transisi dengan jumlah terbatas dari suatu proses markov.
Contoh :
Sebuah perusahaan minuman teh kaleng mempunyai 100 unit mesin produksi.
Namun tidak semua mesin tersebut dapat beroperasi dikarenakan perawatan. Data
mobil yang sedang beroperasi (ON) dan perawatan (OFF) adalah sebagai
berikut :
Banyaknuya mesin
Status saat ini
Minggu ke-1 Minggu ke-2
ON 85 90
OFF 15 10
Jumlah 100 100
Dalam 2 minggu terdapat perubahan jumlah mesin yang masih bisa beroperasi
dan yang harus berhenti uuntuk melakukan perawatan dan sebaliknya, perubahan
tersebut dapat diketahui pada tabel di bawah ini :
Minggu ke-2
Minggu ke-1 Jumlah
ON OFF
ON 77 8 85
OFF 13 2 15
Jumlah 90 10 100
Tentukan :
a) Probabilitas Transisinya
b) Probabilitas minggu ke-3 mesin ON jika minggu ke-1 mesin ON.
c) Probabilitas minggu ke-3 mesin OFF jika minggu ke-1 mesin ON.
d) Probabilitas minggu ke-3 mesin ON jika minggu ke-1 mesin OFF.
e) Probabilitas minggu ke-3 mesin OFF jika minggu ke -1 mesin OFF.
Penyelesaian :
Minggu ke-2
Minggu ke-1
ON OFF
ON 77 /85 = 0,9 8 /85 = 0,0941
OFF 13/1 5 = 0,866 2/15 = 0,133
Minggu ke-3
Minggu ke-2 0,8152
0,9 ON
Minggu ke-1 0,9
ON
0,9 0,0847
0,0941 OFF
ON
0,0815
0,866 ON
0,0941
OFF
0,0125
0,0941 0,133 OFF
OFF
0,1152
0,866 ON
0,133
OFF
0,0177
0,133 0,133 OFF
Pendekatan Matriks
Ada kalanya kita harus mencari probabilitas pada periode yang sangat
besar, yang akan sangat menyulitkan dan membutuhkan media penyajian yang
khusus jika kita mengggunakan probabilitas pohon. Akan tetapi permasalahn
tersebut dapat diselesaikan dengan menggunakan metode pendekatan matriks
Contoh :
Sebuah perusahaan minuman teh kaleng mempunyai 100 unit mesin produksi.
Namun tidak semua mesin tersebut dapat beroperasi dikarenakan perawatan. Data
mobil yang sedang beroperasi (ON) dan perawatan (OFF) adalah sebagai
berikut :
Banyaknuya mesin
Status saat ini
Minggu ke-1 Minggu ke-2
ON 85 90
OFF 15 10
Jumlah 100 100
Dalam 2 minggu terdapat perubahan jumlah mesin yang masih bisa beroperasi
dan yang harus berhenti uuntuk melakukan perawatan dan sebaliknya, perubahan
tersebut dapat diketahui pada tabel di bawah ini :
Minggu ke-2
Minggu ke-1 Jumlah
ON OFF
ON 77 8 85
OFF 13 2 15
Jumlah 90 10 100
Tentukan :
a) Probabilitas mesin ON dan OFF pada minggu ke-3 jika minggu
ke-1 mesin ON.
b) Probabilitas mesin ON dan OFF pada minggu ke-4 jika minggu
ke-1 mesin ON.
c) Probabilitas mesin ON dan OFF pada minggu ke-5 jika minggu
ke-1 mesin ON.
Penyelesaian :
Probabilitas mesin ON pada minggu ke -I jika pada minggu ke-1
ON, dilambangkan dengan :
Probabilitas mesin OFF pada minggu ke-3 jika pada minggu ke-1
OFF, dilambangkan dengan :
Jika mesin pada minggu ke-1 ON maka berlaku probabilitas sebagai berikut :
Jika probabilitas di atas disusun ke dalam vektor baris, maka akan sepert
dibawah ini.
Bila rumus tersebut digunakan untuk mencari probabilitas pada minggu ke-2,
maka :
0,9 0,0941
(Nn (2) Ff (2)) = (Nn (1) Ff (1)) x |0,866 0,133 |
0,9 0,0941
= (1 0) x |0,866 0,133 |
= (0,9 0,0941)
Jadi dapat diketahui bersama bahwa hasil nya sama dengan menggunakan
metode probabilitas pohon. Maka jawaban a – c adalah sebagai berikut :
karena Steady State (keadaan tetap) akan menghasilkan probabilitas yang sama
dengan period eke depan maka rumus tersebut akan berubah menjadi :
dari contoh doal sebeluumnya dengan status minggu ke-1 ON, maka kita
dapatkan :
0,9 0,0941
|0,866 0,133 |
untutk mempermudah pengerjaan, periode (i) dapat dihilangkan karena tidak
akan mempengaruhi hasil Steady State (keadaan tetap). sehingga modelnya akan
seperti di bawah ini.
0,9 0,0941
(Nn Ff) = (Nn Ff) x |0,866 |
0,133
Nn = 0,9 Nn + 0,866 Ff
Nn = 0,9 Nn + 0,866 (1 - Nn)
Nn = 0,9 Nn + 0,866 – 0,866 Nn
1,034 Nn = 0,866
Nn = 0,8375