MAKALAH ANALISIS MARKOV

DISUSUN OLEH:

RINALDI (200903501052)

MUSDALIFAH NURUL FADILLA (200903501047)

REZKY ALDA WARDANI (200903502076)

ANDINI RAMADANI (200903500022)

FAKULTAS EKONOMI

PROGRAM STUDI MANAJEMEN

UNIVERSITAS NEGERI MAKASSAR

2022-2023

i
 DAFTAR ISI

DAFTAR ISI.........................................................................................................................................ii
BAB I....................................................................................................................................................1
PENDAHULUAN.................................................................................................................................1
A. Latar Belakang...........................................................................................................................1
B. Rumusan Masalah......................................................................................................................1
C. Tujuan........................................................................................................................................1
D. Manfaat......................................................................................................................................2
BAB II...................................................................................................................................................3
PEMBAHASAN...................................................................................................................................3
A. Pengertian Analisis Markov.......................................................................................................3
B. Ciri-ciri Analisis Markov...........................................................................................................3
C. Asumsi-asumsi yang harus dipenuhi dalam Analisis Markov....................................................3
D. Proses Analisis Markov.............................................................................................................3
BAB III................................................................................................................................................11
KESIMPULAN DAN SARAN...........................................................................................................11
A. Kesimpulan..............................................................................................................................11
B. Saran........................................................................................................................................11
DAFTAR PUSTAKA..........................................................................................................................12

ii
iii
 BAB I
PENDAHULUAN

A. Latar Belakang
Analisis rantai markov adalah suatu teknik matematika yang biasa digunakan untuk
melakukan pembuata mode (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 (Subagyo dkk, 1983).

Analisis rantai markov diperkenalkan pertama kali oleh Andrey Andreevich Markov, ahli
matematikawan Rusia yang lahir tahun 1856. Analisis Markov hampir sama dengan analisis
keputusan, bedanya adalah analisis rantai markov tidak memberikan keputsan rekomendasi,
melainkan hanya informasi peluang mengenai situasi keputusan yang dapat membantu
pengambil keputusan untuk mengambil keputusan. Dengan demikian, analisis rantai markov
bukanlah teknik optimisasi, tetapi adalah teknik deskriptif yang menghasilkan informasi
peluang di masa mendatang.

Dalam realita, fenomena-fenomena dalam kehidupan nyata yang sering kita jumpai, beberapa
diantaranya dapat dipikirkan sebagai percobaan yang mencakup sederetan kejadian yang
berturut-turut, dan bukan satu kali kejadian. Umumnya, setiap kejadian dalam suatu
percobaan tergantung pada beberapa atau bahkan semua kejadian masa lalu dan hasil tiap
kejadian ditentukan dengan hukum-hukum peluang. Kejadian-kejadian seperti ini dikenal
sebagai proses stokastik.

Proses Stokastik adalah himpunan variabel random yang merupakan fungsi dari “waktu”
time. Parameter “waktu” disini diartikan dalam arti luas. Proses stokastik sering juga disebut
Proses Random

B. Rumusan Masalah
1. Apa itu Analisis Markov?
2. Bagaimana proses Analisis Markov?

C. Tujuan
1. Untuk mengetahui definisi dari Analisis Markov.

1
 2. Untuk mengetahui prosedur atau proses Analisis Markov sampai mencapai kondisi Steady
State.

D. Manfaat
1. Membantu mengetahui probabilitas suatu keadaan yang akan datang.

2
 BAB II
PEMBAHASAN

A. Pengertian Analisis Markov

Analisis Markov (disebut sebagai Proses Stokastik) merupakan suatu bentuk khusus dari
model probabilistik. Proses Stokastik merupakan suatu proses perubahan probabilistik yang
terjadi secara terus menerus, di mana perubahan-perubahan variabel di masa yang akan
datang didasarkan atas perubahan-perubahan variabel di waktu yang lalu.

Pada awalnya, Analisis Markov digunakan sebagai alat dalam analisis perubahan cuaca. Saat
ini, Analisis Markov sering digunakan untuk membantu pembuatan keputusan dalam dunia
bisnis atau industri.
Aplikasi analisis rantai markov telah banyak diterapkan untuk menganilisis tentang
perpindahan merek (brand switching) dalam pemasaran, jasa-jasa persewaan mobil,
perencanaan penjualan, masalah-masalah persedian, pemeliharaan mesin, antrian, perubahan
harga pasar saham, administrasi rumah sakit, dan menentukan peluang hutang tak terbayarkan
dalam suatu instansi. Misalnya dalam hal menelaah perilaku pelanggan pada perusahaan
pengiriman barang. Perpindahan merek (brand switching) perusahaa n pengiriman barang
diakibatkan adanya peningkatan kualitas pelayanan, periklanan, promosi dan faktor lainnya.

B. Ciri-ciri Analisis Markov

1. Bila diketahui status suatu kondisi awal, maka pada kondisi periode berikutnya
merupakan suatu proses random yang dinyatakan dalam probabilitas, yang disebut
dengan probabilitas transisi.
2. Probabilitas transisi tidak akan berubah untuk selamanya
3. Probabilitas transisi hanya tergantung pada status awal.

C. Asumsi-asumsi yang harus dipenuhi dalam Analisis Markov

1. Jumlah probabilitas transisi keadaan adalah 1
2. Probabilitas transisi tidak berubah selamanya
3. Probabilitas transisi hanya bergantung pada priode sekarang, bukan pada priode
sebelumnya.

D. Proses Analisis Markov

1. Menyusun Matriks Probabilitas Transisi

3
Probabilitas Transisi adalah perubahan dari satu status ke status yang lain pada periode
(waktu) berikutnya dan merupakan suatu proses random yang dinyatakan dalam
probabilitas.

Kasus :
Suatu komunitas kecil memiliki dua pompa bensin, Petroco dan National. Penduduk
komunitas tersebut membeli bensin pada kedua pompa bensin tersebuut 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 seoran 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 0,2 bahwa pelanggan tersebut akan
membeli bensin dari National di bulan berikutnya.

Demikian pula jika seseorang pelanggan mengadakan transaksi dengan National di suatu
bulan, terdapat probabilita 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 berikut.

Bulan Berikutnya
Bulan Ini
Petroco National
Petroco 0,6 0,4
National 0,2 0,8

Tabel 1. Probabilita Pergerakan Pelanggan per-Bulan

Kasus ini mengandung beberapa asumsi penting:

1. Perhatikan bahwa dalam tabel 1, jumlah probabilita tiap baris sama dengan 1. Ini
berarti bahwa jika seorang pelanggan melakukan transaksi dengan Petroco di suatu
bulan, pelanggan tersebut pasti melakukan transaksi entah dengan Petroco atau
National di bulan berikutnya.
2. Probabilita-probabilita dalam tabel 1 berlaku untuk setiap pelanggan yang membeli
bensin.
3. Kapanpun pelanggan membeli bensin, probabilita ia melakukan transaksi dengan salah
satu pompa bensin dalam bulan berikutnya adalah yang tertera dalam tabel 1.

4
 4. Kejadian-kejadian yang terjadi merupakan kejadian yang berdiri sendiri sepanjang
waktu.

2. Menghitung probabilitas suatu kejadian di waktu yang akan datang

Kedua pompa bensin tersebut ingin mengetahui probabilita seorang pelanggan melakukan
transaksi dalam bulan ketiga dengan asumsi bahwa pelanggan tersebut melakukan
transaksi dengan mereka di bulan ini (1). Analisa ini dapat dilakukan untuk masing-
masing pompa bensin dengan menggunakan Probabilitas Tree, seperti ditunjukkan di
gambar 1 dan 2.

Untuk menentukan probabilita seorang pelanggan melakukan transaksi dengan Petroco di

bulan 3 dengan melihat kenyataan bahwa pada bulan 1 ia melakukan transaksi dengan
Petroco, kita harus menjumlahkan dua cabang probabilita yag berkaitan dengan Petroco
dalam gambar 1.

Untuk menentukan probabilita pembelian bensin dari National dalam bulan 3, kita
menjumlahkan dua cabang probabilita yang berkaitan dengan National dalam gambar 1.

0,36 + 0,08 = 0,44 probabilita transaksi dengan Petroco dalam bulan 3.

0,24 + 0,32 = 0,56 probabilita transaksi dengan National dalam bulan 3.

a. Probabilitas Tree

Gambar 1.

5
 Bulan 1 B

0,6 Pe

Petroco

0,4
Na

6
 Gambar 2.

7
 Bulan 1 B

0,2 Pe

National

0,8
Na

8
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.

Probabilitas pembelian bensin dari National dalam bulan 3 adalah :

0,08 + 0,64 = 0,72

Dan Probabilita pembelian dari Petroco dalam bulan 3 adalah :

0,12 + 0,16 = 0,28

Perhatikan bahwa untuk setiap keadaan awal, baik itu Petroco maupun National, jumlah
probabilita yag berakhir pada keadaan di bulan 3 manapun adalah sama dengan 1.0

Probabilitas Transisi
Keadaan Awal
Petroco National Jumlah
Petroco 0,44 0,56 1.0
National 0,28 0,72 1.0

Walaupun sangat logis, penggunaan Probabilitas Tree untuk analisa jenis ini dianggap
banyak menghabiskan waktu dan tidak praktis. Sebagai contoh, jika Petroco ingin
mengetahui probabilita seorang pelanggan yag melakukan transaksi dengan mereka di
bulan satu akan tetap melakukan transaksi dengan mereka di bulan 10, suatu
Probabilitas Tree yang besar harus dibuat. Sebagai alternatif, analisa diatas yang
dilakukan dengan menggunakan Probabilitas Tree dapat juga diselesaikan dengan
menggunakan teknik Perkalian Matriks/Aljabar Matriks.

b. Perkalian Matriks/Aljabar Matriks

Probabilitas pergerakan pelanggan dari satu pompa bensin ke pompa bensin lain dalam
priode lain dalam priode suatu bulan, yang ditampilkan dalam bentuk tabel pada Tabel
1, dapat juga ditampilkan dalam bentuk susunan angka berbentuk empat persegi
panjang yang disebut matriks, tapi disini kita menggunakan bentuk tabel saja.

Bulan Berikutnya
Bulan Pertama
Petroco National
Petroco 0,6 0,4
National 0,2 0,8

Karena sebelumnya telah didefinisikan probabilita ini sebagai probabilita transisi, maka
matriks diatas adalah matriks transisi. Keadaan sekarang dari suatu sistem ditulis pada
sisi kiri matriks transisi, dan keadaan mendatang dalam priode waktu berikutnya ditulis
pada sisi kanan.

Ditetapkan probabilita transisi seorang pelanggan dengan Petroco dalam priode i,

dengan asumsi pelanggan tersebut pada awalnya melakukan transaksi dengan Petroco,
adalah :

9
Probabilitas
Transaksi dengan National
Keadaan Awal

Np

Priode Mendatang

Sebagai contoh, probabilita transaksi seorang pelanggan dengan National di bulan 2,

dengan asumsi pelanggan tersebut melakukan transaksi dengan Petroco, maka dapat
ditulis NP (2).

Probabilita transaksi seorang pelanggan dengan Petroco dan National di priode

mendatang i, dengan asumsi pelanggan tersebut pada mulanya melakukan
transaksi dengan National, maka dapat ditulis Pn (i) dan Nn (i).

(saat menginterpretasikan simbol-simbol ini, ingatlah bahwa subscript

menunjuk pada keadaan awal).

Jika seorang pelanggan saat ini melakukan transaksi dengan Petroco di bulan,
probabilita berikut ini tersedia:

Pp (1) = 1.0

Np (1) = 0.0

Dengan kata lain, probabilita transaksi pelanggan dengan Petroco di bulan 1,

dengan asumsi pelanggan tersebut melakukan transaksi dengan Petroco adalah
1.0.

Probabilita-probabilita ini juga dapat disusun dalam bentuk matriks sebagai

berikut:

[Pp(1) Np(1)] = [1.0 0.0]

Matriks ini menentukan kondisi awal dari sistem contoh kita, dengan asumsi
seseorang pelanggan pada awalnya melakukan transaksi dengan Petroco, seperti
dalam Gambar 1.

10
Dengan kata lain, seorang pelanggan pada mulanya melakukan transaksi dengan
Petroco pada bulan 1. Kita dapat menentukan probabilita berikutnya atas
transaksi pelanggan dengan Petroco atau National di bulan 2 dengan mengalikan
matriks di atas dengan matriks transisi, sebagai berikut :

0,60 0,40 ⌋
Bulan 2 : [Pp(2) Np(2)] = [1.0 0.0] ⌊
0,20 0,80

= [0,60 0,40]

Probabilita-probabilita sebesar 0,60 untuk transaksi pelanggan dengan Petroco

dan 0,40 untuk transaksi pelanggan dengan National adalah sama dengan
probabilita-probabilita yang dihitung oleh Probabilitas Tree dalam gambar 1.

Prosedur yang sama digunakan untuk menentukan probabilitas bulan 3, namun

sekarang kita mengalikan matriks transisi dengan matriks bulan 2.

0,60 0,40 ⌋
Bulan 3 : [Pp(3) Np(3)] = [0,60 0,40] ⌊
0,20 0,80

= [0,44 0,56]

Probabilita keadaan untuk beberapa bulan yang berurutan adalah sebagai

berikut:

Bulan 4 : [Pp(4) Np(4)] = [0,38 0,62]

Bulan 5 : [Pp(5) Np(5)] = [0,35 0,65]

Bulan 6 : [Pp(6) Np(6)] = [0,34 0,66]

Bulan 7 : [Pp(7) Np(7)] = [0,34 0,66]

Bulan 8 : [Pp(8) Np(8)] = [0,33 0,67]

Bulan 9 : [Pp(9) Np(9)] = [0,33 0,67]

Pada bulan yang akan datang probabilita keadaan mulai menunjukkan tidak
terdapat perubahan sama sekali. Itu artinya probabilita telah mencapai kondisi
Steady State. Untuk contoh ini probabilita keadaan yang muncul setelah bulan i
adalah [Pp(i) Np(i)] = [0,33 0,67]

Karakteristik probabilita keadaan yang mendekati nilai konstan setelah sejumlah

priode waktu tertentu dijukkan oleh Pp(i).

Np(i) memperlihatkan karakteristik yang sama pada saat mendekati nilai 0,67.
Ini berpotensi memberikan hasil yang bernilai bagi pengambil keputusan.
Dengan kata lain, sekarang pemilik pompa bensin dapat menyimpulkan bahwa
setelah beberapa bulan tertentu di masa mendatang, terdapat probabilita sebesar

11
0,33 bahwa pelanggan akan melakukan transaksi dengan Petroco jika pada
awalnya pelanggan tersebut menggunakan transaksi dengan Petroco.

Analisa yang sama dapat dilakukan dengan asumsi keadaan awal dimana pada
mulanya pelanggan melakukan transaksi dengan National di bulan 1. Analisa
ini, seperti yang ditunjukkan di bawah berhubungan dengan diagram pohon
dalam gambar 2.

Dengan asumsi bahwa pada awalnya pelanggan melakukan transaksi dengan

pompa National, maka [Pn(1) Nn(1)] = [0.0 1.0]

Dengan menggunakan probabilita keadaan awal ini, kita dapat menghitung

probabilita keadaan masa mendatang sebagai berikut:

0,60 0,40 ⌋
Bulan 2 : [Pn(2) Nn(2)] = [0.0 0.1] ⌊
0,20 0,80

= [0,20 0,80]

0,60 0,40 ⌋
Bulan 3 : [Pn(3) Nn(3)] = [0,20 0,80] ⌊
0,20 0,80

= [0,28 0,72]

Nilai-nilai diatas adalah sama dengan yang kita peroleh jika menggunakan
analisa Probabilitas Tree dalam gambar 2. Probabilita keadaan berikutnya,
dihitung dengan cara yang sama, ditunjukkan sebagai berikut ini:

Bulan 4 : [Pn(4) Nn(4)] = [0,31 0,69]

Bulan 5 : [Pn(5) Nn(5)] = [0,32 0,68]

Bulan 6 : [Pn(6) Nn(6)] = [0,33 0,67]

Bulan 7 : [Pn(3) Nn(3)] = [0,33 0,67]

Bulan 8 : [Pn(3) Nn(3)] = [0,33 0,67]

Bulan 9 : [Pn(3) Nn(3)] = [0,33 0,67]

Seperti dalam kasus sebelumnya dimana Petroco merupakan keadaan awal,

probabilita-probabilita keadaan ini dapat menjadi konstan setelah beberapa
periode, dengan kata lain mencapai kondisi Steady State. Namun, perhatikan
bahwa probabilita keadaan akhir (yaitu 0,33 dan 0,67) yang dicapai ketika
keadaan awal adalah National, sama persis dengan probabilita yang dicapai
ketika keadaan awalnya adalah Petroco. Dengan kata lain, probabilita yang
berakhir pada keadaan tertentu di masa mendatang tidak tergantung pada
keadaan awal.

12
3. Menentukan Kondisi Steady State
Dalam banyak kasus, Analisis Markov akan menuju suatu kondisi keseimbangan (Steady
State), yaitu suatu kondisi di mana setelah proses markov berjalan selama beberapa
periode, maka akan diperoleh nilai probabilitas suatu state akan bernilai tetap. Dalam
kasus ini, probabilita berhasil mencapai kondisi Steady State yaitu 0,33 dan 0,67.

Tapi dengan catatan bahwa tidak semua Analisis Markov bisa mencapai kondisi Steady
State.

13
 BAB III
KESIMPULAN DAN SARAN

A. Kesimpulan
Berdasarkan hasil pembahasan pada BAB II, maka dapat diambil kesimpulan bahwa
besarnya probabilitas Petroco dan National dengan menggunakan Rantai Markov,
Petroco menguasai Probabilitas sebesar 0,33% dan National menguasai Probabilitas
sebesar 0,67%.

B. Saran
Kami harap pembaca dapat mendapatkan pemahaman dari bacaan ini, dan apabila ada
kesalahan dalam penulisan baik dalam logika dan tata bahasa mohon dibenarkan
dalam pemahaman masing-masing.

14
 DAFTAR PUSTAKA

Nugraha, A. (2019). Analisis Markov. Academia.edu , 21.

Nurhayati. (2014). Peramalan Pangsa Pasar Dengan Teknik Rantai Markov (Markov Chains).
https://www.scribd.com/doc/268593242/Makalah-Markov-Chains-Revisi-1 .

15