Makalah Uts Prostok - Kelompok 2 - 4MM

PREDIKSI PERENCANAAN PRODUKSI PADI
TERHADAP LAHAN PANEN DI SUMATERA UTARA MENGGUNAKAN
RANTAI MARKOV WAKTU DISKRIT
OLEH
ROULI PUTRI LINDES SITUMORANG : 2013101002
I GEDE HAGA OLAS TYAMARTA :2013101012
PROGRAM STUDI S1 MATEMATIKA
JURUSAN MATEMATIKA
UNIVERSITAS PENDIDIKAN GANESHA
SINGARAJA
2021
i
KATA PENGANTAR
Puji syukur penyusun panjatkan kehadirat Tuhan Yang Maha Esa, Ida Sang Hyang Widi Wasa
karena berkat dan rahmat-Nya penyusun dapat menyelesaikan makalah ini tepat pada waktunya.
Makalah ini dibuat sebagi salah satu syarat pemenuhan nilai mata kuliah Proses Stokastika di
Jurusan Matematika Universitas Pendidikan Ganesha. Makalah dengan judul”Prediksi Perencanaa
Produksi Padi Terhadap Lahan Panen di Sumatera Utara Menggunakan Rantai Markov” diharapkan
dapat berguna kedepannya.
Penyusun mengucapkan terima kasih kepada bapak I Gusti Nyoman Yudi Hartawan, S.Si., M.Sc.
selaku pengampu mata kuliah Proses Stokastika yang telah memberikan tugas ini sehingga dapat
menambah pengetahuan dan wawasan sesuai dengan bidang studi yang penulis tekuni. Penulis
juga mengucapkan terima kasih kepada semua pihak yang telah membagi sebagian
pengetahuannya sehingga penulis dapat menyelesaikan makalah ini.
Penyusun menyadari, makalah yang saya tulis ini masih jauh dari kata sempurna. Oleh karena itu,
kritik dan saran yang membangun akan penulis nantikan demi kesempurnaan makalah ini.
Singaraja, 22 April 2022
Penyusun
ii
DAFTAR ISI
KATA PENGANTAR ..................................................................................................................... ii

DAFTAR ISI................................................................................................................................... iii
BAB I ............................................................................................................................................... 1
PENDAHULUAN ........................................................................................................................... 1
1.1.Latar Belakang ....................................................................................................................... 1
1.2.Rumusan Masalah .................................................................................................................. 2
1.3.Tujuan..................................................................................................................................... 2
BAB II .............................................................................................................................................. 3
METODE PENELITIAN................................................................................................................. 3
2.1 Sumber Data ........................................................................................................................... 3
2.2 Analisis Rantai Markov .......................................................................................................... 3
2.3 Metode Kerja .......................................................................................................................... 3
BAB III ............................................................................................................................................ 6
PEMBAHASAN .............................................................................................................................. 6
3.1.Deskripsi Data ........................................................................................................................ 6
3.2 Pembahasan ............................................................................................................................ 7
BAB IV .......................................................................................................................................... 19
PENUTUP...................................................................................................................................... 19
4.1.Kesimpulan........................................................................................................................... 19
Referensi ........................................................................................................................................ 20
iii
BAB I
PENDAHULUAN
1.1.Latar Belakang
Rantai Markov merupakan suatu metode yang mempelajari sifat-sifat suatu variabel pada
masa sekarang yang dalam usaha menaksir sifat-sifat variabel yang sama di masa mendatang.
Rantai markov biasanya digunakan untuk mempelajari perilaku jangka panjang atau jangka
pendek dari suatu proses stokastik. Pada Rantai Markov dipaparkan secara terperinci dan
terstruktur data, matriks, peluang transisi, proses markov, peluang state-n langkah dan
peluang Steady State. Peluang Peralihan pada tingkat keadaan seimbang (steady state) adalah
peluang peralihan yang sudah mencapai keseimbangan sehingga tidak akan berubah terhadap
perubahan waktu yang terjadi. Prinsip ini digunakan untuk mengamati ada berapa state atau
langkah untuk menuju titik setimbang. Tentu prinsip ini berguna bagi perusahaan / kalangan
tertentu untuk mengetahui keuntungan, lamanya proses, biaya dari usaha yang dilakukan.
Akibatnya dapat diramalkan kejadian yang terjadi setelah n tahap.
Padi merupakan salah satu tanaman budidaya terpenting dalam peradaban. Meskipun
terutama mengacu pada jenis dari marga (genus) yang sama, yang biasa disebut sebagai padi
liar. Padi diduga berasal dari India atau indocina dan masuk ke indonesia dibawa oleh nenek
moyang yang migrasi dari daratan Asia sekitar 1500 SM. Produksi padi dunia menempati
urutan ke 3 dunia dari semua serealia, setelah jagung dan gandum. Namun, padi merupakan
sumber karbohidrat utama bagi mayoritas penduduk dunia.dan selanjutnya padi di olah
menjadi beras. Beras merupakan makanan pokok bagi sebagian besar masyarakat Indonesia
khususnya di Sumatera Utara. Konsumsi beras di Sumatera Utara semakin meningkat setiap
tahunnya seiiring dengan meningkatnya jumlah penduduk. Ketergantungan masyarakat
Sumatera Utara yang sangat tinggi terhadap beras akan menjadi masalah jika ketersediaan
beras sudah tidak dapat tercukupi. Hal inilah yang dapat mengganggu ketahanan pangan
nasional. Tujuan dilakukannya prediksi produksi padi dan lahan panen adalah untuk
mengetahui produksi padi terhadap luas panen yang ada khususnya di Sumatera Utara
diwaktu mendatang supaya dapat stabilnya antara produksi beras dan jumlah lahan yang ada,
sehingga terpenuhinya kebutuhan akan beras masyarakat. Setelah data hasil prediksi
diperoleh, pihak-pihak yang berkepentingan dapat mengambil langkah-langkah strategis yang
sekiranya perlu dilakukan agar tidak terjadinya kelangkaan dan mahalnya harga beras.
1
Ada banyak metode yang dapat digunakan dalam memprediksi produksi padi dan lahan
panen, Salah satunya adalah metode Rantai Markov Waktu Diskrit. Rantai Markov pertama
kali dikembangkan oleh sarjana matematika Rusia Andrei A Markov pada tahun 1906 yang
digunakan untuk mengatur silsilah keturunan kerajaan Inggris.
Maka itu penulis memberi judul penelitian ini yaitu: PREDIKSI PERENCANAAN
PRODUKSI PADI TERHADAP LAHAN PANEN DI SUMATERA UTARA
MENGGUNAKAN RANTAI MARKOV.
1.2.Rumusan Masalah
Permasalahan yang akan dikaji dalam penelitian ini adalah bagaimana memprediksi
perencanaan produksi padi terhadap luas panen di Sumatera Utara dengan menggunakan
metode rantai Markov waktu diskrit supaya terkecukupinya produksi beras di indonesia yang
sebanding dengan luas lahan panen yang ada
1.3.Tujuan
Berdasarkan perumusan masalah di atas, tujuan dari penelitian ini adalah untuk mengetahui
bagaimana prediksi perencanaan produksi padi dalan lahan panen di Sumatera Utara supaya
tercukupinya produksi padi ,yang akan di konsumsi masyarakat dengan menggunakan metode
rantai Markov waktu diskrit.
2
BAB II
METODE PENELITIAN
2.1 Sumber Data

Sumber data yang digunakan dalam penelitian ini adalah data dari Badan Pusat Statistik
(BPS) tahun 2010 – 2019
2.2 Analisis Rantai Markov

Dasar dari rantai markov adalah state transisi, dengan sifat jika keadaan untuk saat sekarang
diketahui, peluang keadaan dari proses disatu langkah ke depan hanya dipengaruhi oleh
keadaan proses disaat sekarang. Artinya, keadaan proses diwaktuwaktu lampau tidak
mempengaruhi keadaan kedepan. Analisa Rantai Markov dapat diterapkan dalam kasus
dengan beberapa syarat sebagai berikut:
1. Jumlah peluang transisi untuk suatu keadaan awal dari system sama dengan satu
2. Peluang – peluang tersebut berlaku untuk semua partisipan dalam sistem.
3. Peluang transisi tidak akan berubah untuk selamanya.
Asumsi- asumsi yang digunakan dalam memodelkan permasalahan menggunakan Rantai

Markov sebagai berikut :
1. Produksi dan Luas lahan panen pada masa mendatang tergantung hanya pada kondisi
sekarang saja.
2. Kondisi produksi padi dan luas lahan panen adalah stabil.
3. Tidak ada gangguan yang menyebabkan terganggunya proses produksi padi.
2.3 Metode Kerja

1. Produksi dan luas lahan panen padi diurutkan dari caturwulan pertama 2010 sampai
caturwulan ketiga 2019
2. Mencari selisih produksi dan kebutuhan beras pada saat caturwulan kedengan
caturwulan ke – ( )
3. Nilai selisih tersebut dikategorikan yaitu, jika nilainya ≥ 0 maka dikatakan naik, jika
nilainya ≤ 0 dikatakan turun.
4. Mencari rata-rata selisih dari state naik dan turun serta mencari nilai maksimal pada
state naik dan nilai minimal pada state turun.
5. Menentukan banyaknya state yang akan digunakan.
3
6. Berdasarkan nilai selisih yang diperoleh data dikelompokkan sesuai dengan interval
masing-masing state.
4
Produksi Padi dan Lahan
Panen
Perubahan Produksi Padidan

Lahan Panen
Model Rantai Markov
Perubahan matriks peluang

transisi
Peluang Transisi
Tidak
Stabil
ya
Peluang State Produksi Padi di Peluang State Lahan Panen di

waktu mendatang waktu mendatang
ya
Prediksi perbandingan antara
Produksi Padi dan Lahan Panen
5
BAB III
PEMBAHASAN
3.1.Deskripsi Data
Dalam penelitian ini jenis data yang digunakan adalah data produksi padi dan luas panen
yang di analisis. Data yang digunakan dipeoleh dari Badan Pusat Statistik(BPS) dari Januari
2010 sampai dengan Desember 2019, dan data yang diperoleh setiap caturwulan (4 bulan
sekali).
Daftar jenis data yang akan di analisis sebagai berikut :
Tabel 3.1 Daftar Produksi Padi dan Lahan Padi
NO Jenis Data
1 Produksi Padi
2 Lahan Padi
Tabel 3.2 Data Jumlah Produksi Padi dan Luas Lahan Panen
No Periode Data Produksi Padi Lahan Panen (Ha)

(Ton)
1. Januari-April 2010 1.191.157 283.358
2. Mei-Agustus 2010 852.632 199.578
3. September-Desember 2010 963.847 222.087
4. Januari-April 2011 1.379.758 318.804
5. Mei-Agustus 2011 906.929 207.421
7. Januari-April 2012 1.375.864 318.405
8. Mei-Agustus 2012 928.263 200.468
9. September-Desember 2012 1.036.667 229.667
6
10. Januari-April 2013 1.426.876 326.713
11. Mei-Agustus 2013 1.035.569 218.218
13. Januari-April 2014 1.477.755 323.876
14. Mei-Agustus 2014 1.008.785 207.455
16. Januari-April 2015 1.507.558 327.392
17. Mei-Agustus 2015 1.025.017 208.629
19. Januari-April 2016 1.488.726 319.737
20. Mei-Agustus 2016 1.192.104 237.214
22. Januari-April 2017 1.503.337 307.000
23. Mei-Agustus 2017 1.126.018 218.237
25. Januari-April 2018 1.521.650 306.284
26. Mei-Agustus 2018 1.036.714 202.823
28. Januari-April 2019 1.548.751 313.836
29. Mei-Agustus 2019 1.198.232 225.907
3.2 Pembahasan
Berdasarkan data yang diolah,untuk data produksi padi (Ton) diperoleh nilai rata-rata untuk
kategori naik adalah (258.963 Ton) dan nilai terbesarnya adalah (476.076 Ton). Sedangkan
untuk kategori turun adalah (-357.974 Ton) dan nilai terkecilnya adalah (-484.936 Ton).
Oleh karena itu, berikut empat state yang digunakan berdasarkan interval masing-masing
state:
State 1 : Naik drastis dengan range
State 2 : Naik dengan range [ ]
7
State 3 : Turun drastis dengan range
State 4 : Turun dengan range
Sedangakan untuk data luas lahan (Ha) diperoleh nilai rata-rata untuk kategori naik adalah
(59.381) dan nilai terbsarnya adalah (105.625). Sedangkan untuk kategori turun adalah
(88.582) dan nilai terkecilnya adalah (-118.763). Oleh karena itu, berikut lima state yang
digunakan berdasarkan interval masing-masing state :
State 1 : Naik drastis dengan range.
State 2 : Naik dengan range
State 3 : Turun drastis dengan range
State 4 : Turun dengan range
Keterangan:
 Range nilai state Naik didapatkan dari nilai lebih kecil pada nilai rata- rata peralihan
state yang naik sampai ke nilai rata-tata .
 Range nilai state Turun didapatkan dari nilai lebih besar pada nilai rata-rata peralihan
state yang turun sampai ke nilai rata-rata.
 Range nilai state Naik Drastis didapatkan dari nilai lebih besar pada nilai rata-rata
peralihan state yang naik sampai ke nilai maksimalnya.
 Range nilai state Turun Drastis didapatkan dari nilai lebih kecil pada nilai rata-rata
peralihan state yang turun sampai ke nilai minimalnya.
Tabel 3.3 Data Pertambahan Peralihan Naik Jumlah Produksi Padi dan Luas Lahan Panen
No Periode Data Produksi Padi Luas Panen

2. Januari-April 2011 415.911 96.717
4. Januari-April 2012 385.027 94.398
6. Januari-April 2013 390.209 97.046
8
8. Januari-April 2014 412.302 100.400
10. Januari-April 2015 411.796 101.049
12. Januari-April 2016 413.898 98.000
13. Januari-April 2017 468.654 100.852

Tabel 3.4
14. Januari-April 2018 423.325 88.553 Data
15. September-Desember 2018 35.961 5.388 Penurunaan
Peralihan
16 Januari – April 2019 476.076 105.625 Turun
Jumlah
17 September-Desember 2019 99.614 16.119
Produksi
RATA-RATA 258.963 59.381 Padi dan
No Periode Data Produksi Padi (Ton) Lahan Panen (Ha)
1. Mei-Agustus 2010 -338.525 -83.780

2. Mei-Agustus 2011 -472.829 -111.383
3. Mei-Agustus 2012 -447.601 -117.937
4. Mei-Agustus 2013 -391.307 -108.495
5. Mei-Agustus 2014 -468.970 -116.421
6. Mei-Agustus 2015 -481.941 -118.763
7. Mei-Agustus 2016 -296.622 -82.523
8. September-Desember 2016 -157.421 -29.066
9. Mei-Agustus 2017 -377.319 -90.763
10. September-Desember 2017 -27.693 -506
11. Mei-Agustus 2018 -484.936 -103.425
12. Mei-Agustus 2019 -350.519 -87.929
RATA-RATA -357.974 -88.582
Luas Lahan Panen
9
Maka dari tabel di atas kita akan mendapatkan bahwa untuk produksi padi rata-rata
penrunan jumlah produksi padi diatas -357.974 Ton di katakan peralihan turun drastis,
Sedangkan dibawah -357.974 Ton dikatakan peralihan turun. Begitu juga dengan luas lahan
panen penurunan luas lahan panen di atas -88.582 Ha dikatakan peralihan turun drastis,
Sedangkan pertambahan dibawah -88.582 Ha dikatakan peralihan turun.
Berdasarkan Tabel diatas menunjukkan bahwa perubahan jumlah produksi padi dan lahan
panen yang terjadi selama proses ada empat state yaitu naik drastis, naik, turun drastis dan
turun. Berikut data perubahan :
Tabel 3.5 Peralihan state Jumlah Produksi Padi dan Lahan Panen
No Periode Data Produksi Padi Luas Panen

1. Januari-April 2010 - -
2. Mei-Agustus 2010 Turun Turun
3. September-Desember 2010 Naik Naik
4. Januari-April 2011 Naik Drastis Naik Drastis
5. Mei-Agustus 2011 Turun Drastis Turun Drastis
10
14. Mei-Agustus 2014 Turun Drastis Turun
16. Januari-April 2015 Naik Drastis Naik drastis
20. Mei-Agustus 2016 Turun Turun Drastis
21. September-Desember 2016 Turun Turun
24. September-Desember 2018 Turun Turun
29. Mei-Agustus 2019 Turun Turun
Berdasarkan Tabel di atas diperoleh frekuensi peralihan state yang terjadi setiap caturwulannya.
Dengan ruang keadaan terbatas K = {K1, K2, K3, K4 } , dimana K1 = naik drastis, K2 = naik,
K3= turun drastis, dan K4 = turun, maka dapat diperoleh matriks transisi satu langkah
berdasarkan frekuensi peralihan state dari setiap jumlah produksi padi dan luas lahan panen.
3.2.1 Matriks Peluang Transisi

1. Matriks peluang transisi Produksi Padi
11
Berdasarkan Tabel 4.3 menunjukkan bahwa frekuensi peralihan state jumlah Produksi Padi yang
terjadi pada (januari-april 2010) – (September-Desember 2019). Maka dapat diperoleh matriks
peluang transisi Produksi Padi, yang akan dimulai dengan menunjukkan proses peralihan pada
tabel sebagai berikut :
Tabel 3.6 Peralihan status produksi padi
State akhir
State awal 1 2 3 4
1 0 7 0 2
2 0 0 6 2
3 6 0 0 0
4 2 0 1 1
Keterangan :
 Status
State 1 : Kondisi produksi padi berada pada status naik drastis.
State 2 : Kondisi produksi padi berada pada status naik.
State 3 : Kondisi produksi padi berada pada status turun drastis.
State 4 : Kondisi produksi padi berada pada status turun.
 Arti angka dalam tabel
State awal 1 / state akhir 1 = 0 (jumlah caturwulan produksi padi pada kondisi naik drastis ke
naik drastis terdapat 0 caturwulan).
naik terdapat 7 caturwulan).
turun drastis terdapat 0 caturwulan).
turun terdapat 2 caturwulan).
12
Untuk selanjutnya keterangannya sama.
Dengan diperolehnya matriks peralihan state lahan panen maka dapat dihitung nilai rumus
Nilai didefenisikan dengan :
maka diperoleh matriks peluang transisi satu langkah lahan panen yaitu :
[ ]
[ ]
2. Matriks peluang transisi Lahan Panen
2. Matriks peluang transisi Lahan Panen
Berdasarkan Tabel 4.3 menunjukkan bahwa frekuensi peralihan state Lahan Panen yang terjadi
pada (januari-april 2010) – (September-Desember 2019). Maka dapat diperoleh matriks peluang
transisi Lahan Panen, yang akan dimulai dengan menunjukkan proses peralihan pada tabel
sebagai berikut.
Tabel 3.7 Peralihan status lahan panen

State akhir
State awal 1 2 3 4
1 0 0 5 3
2 3 4 1 2
3 7 0 0 0
4 2 0 2 0
13
Keterangan :
 Status
State 1 : Kondisi lahan panen berada pada status naik drastis.
State 2 : Kondisi lahan panen berada pada status naik.
State 3 : Kondisi lahan panen berada pada status turun drastis.
State 4 : Kondisi lahan panen berada pada status turun.
 Arti angka dalam tabel

State awal 1 / state akhir 1 = 0 (jumlah caturwulan produksi padi pada kondisi naik
drastis ke naik drastis terdapat 0 caturwulan).
drastis ke naik terdapat 7 caturwulan.
drastis ke turun drastis terdapat 0 caturwulan).
drastis ke turun terdapat 1 caturwulan).
Untuk selanjutnya keterangannya sama.
Dengan diperolehnya matriks peralihan state lahan panen maka dapat dihitung nilai
maka diperoleh matriks peluang transisi satu langkah lahan panen yaitu:
[ ]
[ ]
3.2.2. Peluang State pada waktu yang Akan Mendatang
14
Dengan diketahui matriks peluang transisi satu langkah dan vektor peluang pada awal
proses maka dapat diprediksi vektor peluang pada perubahan setiap produksi padi dan
lahan panen dari state ke state lainnya yaitu
Keterangan :
peluang state pada waktu ke n,
peluang state pada awal proses
Matriks peluang transisi
Peluang state produksi padi dan lahan panen pada awal proses adalah :
Dengan nilai peluang Adalah peluang indeks produksi padi dan lahan
panen berada pada keadaan naik drastis, naik, turun drastis, turun. diperoleh dari
jumlah caturwulan indeks produksi padi dan lahan panen berada pada kondisi naik
drastis, dibagi dengan jumlah caturwulan produksi dan lahan panen sealama 10 tahun.
diperoleh dari jumlah caturwulan indeks produksi padi dan lahan panen berada pada
kondisi naik, dibagi dengan jumlah caturwulan produksi dan lahan panen sealama 10
tahun. diperoleh dari jumlah caturwulan indeks produksi padi dan lahan panen berada
pada kondisi turun drastis, dibagi dengan jumlah caturwulan produksi dan lahan panen
sealama 10 tahun. diperoleh dari jumlah caturwulan indeks produksi padi dan lahan
panen berada pada kondisi turun, dibagi dengan jumlah caturwulan produksi dan lahan
panen sealama 10 tahun.
1. Peluang state produksi padi
Peluang state produksi padi pada awal proses adalah
15
Untuk menghitung peluang state n-langkah produksi padi digunakan persamaan :
Maka diperoleh :
[ ]
Dengan cara yang sama sampai diperoleh peluang state pada kondisi stabil.
Pada produksi padi peluang state stabil pada , maka akan ditunjukkan
peluang- peluang state 107 langkah pada tabel sebagai berikut:
Tabel 3.8. peluang state produksi padi
State
State 1 0.321 0.286 0.340 0.318 0.296 0.331 0.320 0.303 .. 0.316
State 2 0.286 0.250 0.222 0.264 0.247 0.230 0.258 0.246 .. 0.245
State 3 0.214 0.250 0.232 0.210 0.241 0.230 0.216 0.237 .. 0.227
State 4 0.143 0.179 0.170 0.180 0.172 0.172 0.174 0.178 .. 0.175
2. Peluang state lahan panen
Peluang state produksi padi pada awal proses adalah
[ ]
16
Dengan cara yang sama sampai diperoleh peluang state langkah pada kondisi stabil. Pada
lahan panen peluang state langkah stabil pada , maka akan ditunjukkan peluang-
peluang state 118 langkah pada tabel sebagai berikut:
Tabel 3.9 Peluang state lahan panen
State
State 1 0.286 0.322 0.322 0.295 0.316 0.320 0.301 0.313 .. 0.311
.
State 2 0.286 0.250 0.281 0.282 0.259 0.277 0.280 0.263 .. 0.272
.
State 3 0.250 0.250 0.228 0.243 0.249 0.232 0.241 0.247 .. 0.241
.
State 4 0.143 0.143 0.134 0.146 0.142 0.137 0.144 0.143 .. 0.141
.
3.3.3. Analisis Peluang Steady State Data
Peluang peralihan pada tingkat keadaan seimbang (peluang steady state) adalah peluang
peralihan yang sudah mencapai keseimbangan, sehingga tidak akan berubah terhadap
perubahan waktu yang terjadi atau perubahan tahap yang terjadi. Dengan menghitung
peluang state n langkah akan memberikan suatu informasi penting tentang nilai peluang
steady state suatu sistem.
Berdasarkan Tabel 3.8 dan 3.9 di atas, dapat dilihat bahwa vektor-vektor state masing-
masing mata uang konvergen ke sebuah vektor yang tetap, dimana vektor tersebut
memberikan nilai peluang tetap dari setiap state yang ada. Dari hasil tersebut terlihat
bahwa perubahan peluang state untuk periode berikutnya semakin kecil sampai akhirnya
tidak terlihat adanya perubahan.
Berdasarkan hasil pengamatan yang diperoleh, kondisi produksi padi dan lahan panen
adalah sebagai berikut :
17
1. Produksi Padi
Peluang produksipadi berada pada kondisi naik drastis adalah 0.316 atau 31.6% , peluang
nilai tukar mata uang asing pada kondisi naik 0.245 atau 24.5%, peluang nilai tukar mata
uang asing pada kondisi turun drastis 0.227 atau 22.7% dan peluang nilai tukar mata uang
asing pada kondisi turun 0.175 atau 17.5%. Dengan demikian, dapat dikatakan bahwa
produksi padi di Sumatera Utara cenderung akan naik sebesar 0.316 atau 31.6% pada
masa yang akan datang.
2. Lahan Panen
Peluang Lahan Panen berada pada kondisi naik drastis adalah 0.311 atau 31.1%, peluang
nilai tukar mata uang asing pada kondisi naik 0.272 atau 21.2%, peluang nilai tukar mata
uang asing pada kondisi turun drastis 0.241 atau 24.1% dan peluang nilai tukar mata uang
asing pada kondisi turun 0.141 atau 14.1%. Dengan demikian, dapat dikatakan bahwa
lahan panen padi di Sumatera Utara cenderung akan naik sebesar 0.311 atau 31.1% pada
masa yang akan datang.
3.3.4 Kajian Rantai Markov
Dalam tulisan ini, setelah mengamati dan memahami tentang kondisi ketidakpastian
dalam proses perubahan jumlah produksi padi dan luas lahan panen di Sumatera Utara,
juga dengan menggunakan beberapa asumsi, maka model Rantai Markov yang
merupakan model probabilitas dapat digunakan sesuai masalah yang diteliti.
Berikut adalah data prediksi peluang Jumlah produksi padi dan luas lahan panen di
Sumatera Utara di masa mendatang setiap caturwulannya dengan Analisi Rantai Markov.
Tabel 4.0 Prediksi Peluang Produksi dan Lahan Panen Padi di Sumatera Utara
NO Data Peluang Peluang Peluang Peluang turun

Naik Drastis Naik turun drastis
1 Produksi Padi 31.6% 24.5% 22.7% 17.5%
2 Lahan Panen 31.1% 27.2% 24.1% 14.1%
18
BAB IV
PENUTUP
4.1.Kesimpulan
Penerapan model rantai markov pada produksi padi terhadap luas lahan panen selama
periode penelitian, menunjukkan bahwa tingkat kenaikan produksi padi sangat
berpengaruh akan tingkat kenaikan pada lahan panen. Sebaliknya, tingkat penurunan
produksi padi dikarenakan turunnya luas lahan panen. Dari hasil perhitungan, tingkat
kenaikan jumlah produksi padi di Sumatera Utara akan mencapai 31.6% dengan kenaikan
luas lahan panen mencapai 31.1% diwaktu mendatang . model rantai markov adalah
metode peramalan untuk memprediksi untuk 1 langkah kedepannya. Maka dari penelitian
ini sebagai peramalam untuk setiap caturwulannya.
19
Referensi
Gusti AMS. 2013. Pengantar Proses Stokastik. Denpasar: Fakultas MIPA jurusan
Matematika.
Spedicato , Giorgio Alfredo. 2017. Discrete Time Markov Chains With R. The R Journal
Vol. 9 , No. 2:ISSN 2073 – 4859.
20

Makalah Uts Prostok - Kelompok 2 - 4MM

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Makalah Uts Prostok - Kelompok 2 - 4MM

Diunggah oleh

Hak Cipta:

Format Tersedia

PREDIKSI PERENCANAAN PRODUKSI PADI

TERHADAP LAHAN PANEN DI SUMATERA UTARA MENGGUNAKAN

RANTAI MARKOV WAKTU DISKRIT

ROULI PUTRI LINDES SITUMORANG : 2013101002

I GEDE HAGA OLAS TYAMARTA :2013101012

PROGRAM STUDI S1 MATEMATIKA

UNIVERSITAS PENDIDIKAN GANESHA

Singaraja, 22 April 2022

KATA PENGANTAR ..................................................................................................................... ii

2.1 Sumber Data

2.2 Analisis Rantai Markov

Asumsi- asumsi yang digunakan dalam memodelkan permasalahan menggunakan Rantai

2.3 Metode Kerja

Perubahan Produksi Padidan

Model Rantai Markov

Perubahan matriks peluang

Peluang State Produksi Padi di Peluang State Lahan Panen di

No Periode Data Produksi Padi Lahan Panen (Ha)

No Periode Data Produksi Padi Luas Panen

2. Januari-April 2011 415.911 96.717

3. September-Desember 2011 83.908 16.586

4. Januari-April 2012 385.027 94.398

5. September-Desember 2012 108.404 29.199

6. Januari-April 2013 390.209 97.046

7. September-Desember 2013 29.884 5.258

9. September-Desember 2014 86.977 18.888

10. Januari-April 2015 411.796 101.049

11. September-Desember 2015 49.211 12.897

12. Januari-April 2016 413.898 98.000

13. Januari-April 2017 468.654 100.852

No Periode Data Produksi Padi (Ton) Lahan Panen (Ha)

1. Mei-Agustus 2010 -338.525 -83.780

No Periode Data Produksi Padi Luas Panen

2. Mei-Agustus 2010 Turun Turun

3. September-Desember 2010 Naik Naik

4. Januari-April 2011 Naik Drastis Naik Drastis

5. Mei-Agustus 2011 Turun Drastis Turun Drastis

6. September-Desember 2011 Naik Naik

7. Januari-April 2012 Naik Drastis Naik Drastis

8. Mei-Agustus 2012 Turun Drastis Turun Drastis

9. September-Desember 2012 Naik Naik

10. Januari-April 2013 Naik Drastis Naik Drastis

11. Mei-Agustus 2013 Turun Drastis Turun Drastis

12. September-Desember 2013 Naik Naik

13. Januari-April 2014 Naik Drastis Naik Drastis

15. September-Desember 2014 Naik Naik

16. Januari-April 2015 Naik Drastis Naik drastis

17. Mei-Agustus 2015 Turun Drastis Turun Drastis

18. September-Desember 2015 Naik Naik

19. Januari-April 2016 Naik Drastis Naik Drastis

20. Mei-Agustus 2016 Turun Turun Drastis

21. September-Desember 2016 Turun Turun

22. Januari-April 2017 Naik Drastis Naik Drastis

23. Mei-Agustus 2017 Turun Drastis Turun Drastis

24. September-Desember 2018 Turun Turun

25. Januari-April 2018 Naik Drastis Naik Drastis

26. Mei-Agustus 2018 Turun Drastis Turun Drastis

27. September-Desember 2019 Naik Naik

28. Januari-April 2019 Naik Drastis Naik Drastis

29. Mei-Agustus 2019 Turun Turun

30. September-Desember 2019 Naik Naik

3.2.1 Matriks Peluang Transisi